-
题名改进U-Net的遥感图像中建筑物变化检测
被引量：33
- 1
-
-
作者
张翠军
安冉
马丽
-
机构
河北地质大学信息工程学院
河北地质大学人工智能与机器学习研究室
-
出处
《计算机工程与应用》
CSCD
北大核心
2021年第3期239-246,共8页
-
基金
河北省高等学校科学技术研究重点项目(ZD2018043,ZD2019134)
河北省自然科学基金(F2020403030)。
-
文摘
提出了一种改进U-Net的遥感图像中建筑物变化检测方法,将变化检测问题转化为像素级二分类问题,利用U-Net模型对图像进行分类,把图像中的每个像素划分为变化类或非变化类,并根据变化类的像素得到建筑物的变化检测结果图。针对U-Net模型进行遥感图像中建筑物变化检测时,在训练中容易出现过拟合的现象,提出用非对称卷积块代替U-Net网络特征提取部分的标准卷积操作,增强卷积核的鲁棒性和网络的中心骨架,防止过拟合;针对变化检测数据集中图像背景复杂、小目标的变化情况容易被漏检的问题,提出在U-Net中引入注意力机制,抑制模型对非变化类像素特征的学习,加强对变化类特征的学习,提取到更适合的特征。实验结果表明,在引入非对称卷积块和注意力机制后,变化检测的F1分数有明显的提升。
-
关键词
建筑物变化检测
U-Net
非对称卷积块
注意力机制
-
Keywords
building change detection
U-Net
asymmetric convolution block
attention mechanism
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
