资料下载
×
一种针对街景变化检测的神经网络模型
消耗积分:0 |
格式:pdf |
大小:3.26 MB |
2021-04-14
分享资料个
街景变化检测对于自然灾害破坏和城市发展变化的研究起着重要作用。其主要目标是将成对的输入图片中变化的区域标注出来，其实质是二分类的语义分割问題。不同时间拍摄的街景图片可能受到如光线、天气、背景噪声、视角误差等诸多干扰因素的影响，这给传统的变仳检测方法带来挑战。针对该问题，提出了一种新的神经网络模型（ Multiple Difference FeaturesNetwork，ⅳ Dfnet）。该模型首先使用孪生网络提取成对输入图片的不同深度特征，并使用差异模块对相冋深度特征计算差异，以此有效获得不同尺度的变化信息;然后通过JPU模块融合多重差异特征，在不损失细节信息的情况下提取其深层语义信息;最后使用金字塔池化模块结合全局和局部信息生成二分类的变化检测图像。在PCD数据集上的GSV和 TSUNAMⅠ部分分别采用5折交叉验证法对模型进行实验，实验结果表明， MDFNET获得了0.787和0.862的F- score，相比排名第二的DOFCnet方法，其值提高了约11.9%和2.9%，同时其能够更精准地分割变化细节。因此，所提模型可以有效应对干扰，对于复杂场景也具备优秀的检测能力。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
