传统的建筑物变化检测方法任务繁重、办事效率低下,本文受到空洞卷积和Resnet卷积神经网络的启发,提出了一种基于Resnet的Unet网络结构,该方法扩大了卷积的感受野,增强了特征的描述能力,在损失函数的选取上采用Tversky损失函数,通过对超参数α和β的选取,从而达到了最优的效果,通过实验结果表明,该算法在建筑物变化检测中取得了良好的效果。
科研之友
微信
新浪微博
Facebook
分享链接
