改进UNet++的遥感影像森林变化检测方法OA北大核心CSTPCD
Improved forest change detection method for remote sensing imagery using UNet++
针对森林覆盖变化检测任务,现有的基于深度学习模型存在结构复杂且忽视光谱与空间协同关系的问题,导致检测效果并不理想.为了解决这个问题,本研究提出一种结合多尺度空间解耦卷积(MSDConv)和空-谱特征协同策略(SSFC)的改进UNet++轻量级森林覆盖变化检测方法.首先,基于UNet++网络构建一个非权重共享伪孪生网络,增加少量参数便能实现更好的特征提取,采用MSDConv模块捕捉变化对象的多尺度特征,减少信息冗余和参数计算;其次,在MSDConv…查看全部>>
Current deep learning-based models used to detect changes in forest cover suffer from two major issues:complex structure and neglect of the spectral and spatial synergistic relationship.These limitations often result in unsatisfactory detection results.To address these challenges,we propose an improved UNet++lightweight forest cover change detection method that combines multi-scale spatial decoupling convolution(MSDConv)and a spatial-spectral feature coopera…查看全部>>
马永军;张艺;王广来;黄建平
东北林业大学计算机与控制工程学院,黑龙江 哈尔滨 150040东北林业大学计算机与控制工程学院,黑龙江 哈尔滨 150040东北林业大学机电工程学院,黑龙江 哈尔滨 150040东北林业大学计算机与控制工程学院,黑龙江 哈尔滨 150040
计算机与自动化
森林覆盖变化检测遥感影像深度学习轻量化UNet++
forest coverchange detectionremote-sensing imagedeep learninglightweight UNet++
《森林与环境学报》 2024 (3)
317-327,11
黑龙江省自然科学基金项目"基于深度学习的森林灾害监测预警关键技术研究"(TD2020C001).
评论