遥感领域知识引导的自监督变化检测方法研究OA北大核心CSTPCD
基于深度学习的变化检测方法相较于传统方法具有更高的精度和稳定性,大多数深度学习模型属于监督方法,需要海量的标准样本,但是样本构建成本过高,而目前非监督变化检测方法的精度较低.针对这个问题,该文提出了一种遥感领域知识引导的自监督变化检测方法,结合对比损失和Vision Transformer设计了自监督表征学习架构,为了进一步提高检测精度,将NDVI和NDWI作为遥感领域知识与自监督表征学习的回归误差进行加权融合,以进一步提高变化检测精度.通过在法国巴黎萨克雷大学OSCD数据集上进行的实验表明,该方法检测结果的F1相较于其他非监督变化检测算法平均提高2.76%以上,并具有更高的稳定性和鲁棒性.
夏旺;
中铁第四勘察设计院集团有限公司,武汉430063
测绘与仪器
变化检测遥感领域知识自监督学习
《华中师范大学学报（自然科学版）》 2024 (003)
P.339-346 / 8
国家重点研发计划项目(2021YFB2600400).
评论