融合金字塔差分特征的新增建筑物检测网络

摘要：

针对当前使用孪生网络检测新增建筑物时,简单的通道合并不能有效突出影像变化特征这一问题,提出一种融合金字塔差分特征的网络,将孪生网络提取的特征图作差分来突出变化特征.为了减少参数量,孪生网络使用深度可分离卷积;在编码层深处,使用不同感受野的空洞卷积提取多尺度特征;解码阶段使用DUpsampling上采样来减少影像信息的丢失.利用武汉大学建筑物数据集进行实验,结果表明,网络在提取建筑物新增区域时可以有效抑制噪声的干扰和解决边界粗糙问题.相比于经典的变化检测网络,可以获得更高的检测精度,准确率达到91.33％,召回率达到88.31％,F1分数达到89.79％,总体精度达到96.64％.

关键词：神经网络、金字塔差分、建筑物检测、深度可分离卷积、DUpsampling

所属期刊栏目：38

分类号：TP751.1(遥感技术)

资助基金：国家自然科学基金41571350

在线出版日期：2023-04-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：146-154