基于边缘引导和动态可变形Transformer的遥感图像变化检测OA北大核心CSTPCD
卷积神经网络(Convolutional Neural Network,CNN)和Transformer的混合架构能够有效建模图像的局部与全局特征,已成为遥感图像变化检测任务的主流网络.然而这类网络仍面临着一些挑战. CNN分支中的卷积和池化运算通常会抑制遥感图像中的高频信息,降低目标边界的精度;此外,Transformer分支对图像像素进行等同长程依赖关系建模,忽略了变化目标的形状及语义关联信息,导致网络对变化目标特征的表达不足.为解决上述问题…查看全部>>
雷涛;翟钰杰;许叶彤;王营博;公茂果
陕西省人工智能联合实验室(陕西科技大学),陕西西安710021 陕西科技大学电子信息与人工智能学院,陕西西安710021陕西省人工智能联合实验室(陕西科技大学),陕西西安710021 陕西科技大学电子信息与人工智能学院,陕西西安710021陕西省人工智能联合实验室(陕西科技大学),陕西西安710021 陕西科技大学电子信息与人工智能学院,陕西西安710021陕西省人工智能联合实验室(陕西科技大学),陕西西安710021 陕西科技大学电子信息与人工智能学院,陕西西安710021西安电子科技大学协同智能系统教育部重点实验室,陕西西安710071
计算机与自动化
遥感图像变化检测高频信息边缘信息动态可变形Transformer
《电子学报》 2024 (1)
P.107-117,11
国家自然科学基金(No.62271296,No.62201334)陕西省杰出青年科学基金(No.2021JC-47)陕西省重点研发计划(No.2022GY-436,No.2021ZDLGY08-07)陕西省自然科学基础研究计划(No.2022JQ-634,No.2022JQ-018)陕西省创新能力支撑计划(No.2020SS-03)。
评论