科研之友
微信
新浪微博
Facebook
分享链接
摘要
遥感变化检测旨在通过比较同一位置不同时期遥感影像以检测出存在显著或者潜在的遥感变化的区域.目前,大多数相关工作聚焦于正时序变化检测上,对反时序变化检测表现较差.为了避免时序对变化检测带来影响,通常的做法是将正时序和反时序的数据都囊括构成数据集.然而,这会导致模型训练时间更长.本文提出一种双通道孪生网络,在保证模型精度的同时实现高效的模型训练.首先,本文将现有模型改造为对称的结构,使之既能仅采用原始正时序数据集快速训练,又能同时学习正时序和反时序变化的特征信息.然后,本文提出了双通道孪生输入以获取更加鲁棒的特征.最后,本文加入了双通道孪生融合对特征进行精炼.在Onera Satellite Change Detection Sentinel-2数据集上,所提出的模型,在精度和训练有效性都超过了现有模型.进一步的消融实验验证了本文模型中两个模块的性能.
- 单位
