科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了使轻量级深度分类模型准确检测遥感图像中的土地利用变化区域，提出结合波段选择与改进Shufflenetv2的土地利用变化检测技术。首先通过基于波段选择的图像增强方法，针对性选择遥感图像的RGB波段组成突出图像中的地物特征；然后引入自适应卷积核尺度注意力机制对轻量级深度分类模型Shufflenetv2进行改进，自适应选取最佳尺度卷积核，提高模型特征提取能力，同时使用空洞卷积替换注意力机制模块中的普通卷积在获得相同感受野的条件下减少模型参数量；最后训练模型并应用于土地利用变化检测。将本文方法在Euro SAT数据集中进行实验。结果表明，基于波段选择的图像增强方法能够有效提高深度学习模型的检测精度。改进模型SK＿Shufflenetv2在保持模型轻量化的同时具有良好的检测性能。
-
单位金华职业技术学院; 土木工程学院; 重庆交通大学; 建筑工程学院
