[特邀报告]面向遥感影像变化检测的时空增强和特征融合网络

面向遥感影像变化检测的时空增强和特征融合网络
编号：2202 稿件编号：2149 访问权限：仅限参会人 更新：2024-04-12 10:16:25 浏览：70次 特邀报告

报告开始：2024年05月18日 15:35 （Asia/Shanghai）

报告时间：20min

所在会议：[S7] 主题7、遥感与地理信息科学 » [S7-3] 主题7、遥感与地理信息科学 专题7.3（18日下午，305）

暂无文件

摘要
遥感影像变化检测在地表动态监测领域发挥着重要作用。然而，伪变化干扰和多尺度特征利用不足仍是目前深度学习方法中的难点问题。因此，本文提出了一种面向遥感影像变化检测的时空增强和特征融合网络（SEIFNet），通过孪生时空差分特征编码和尺度间自适应特征融合解码，有效降低前述问题带来的影响。其中，时空差分增强模块（ST-DEM）从时-空-谱维度挖掘多时相影像之间的语义特征差异，自适应特征融合模块（ACFM）和边界优化模块（RM）实现相邻尺度特征优势互补融合，减少解码过程中的信息丢失。此外，本文还提出了一种类别均衡损失函数，降低正负样本不均衡给模型训练造成的负面影响。实验结果证明，本文提出的方法在检测的准确性和效率上都具有明显优势。
关键字
遥感影像,变化检测,特征融合,深度学习
报告人
李星华
副教授 武汉大学

稿件作者
黄艳媛 武汉大学
李星华 武汉大学
发表评论
验证码 看不清楚，更换一张
全部评论
● 会务总协调  

● 学术安排

  

辜克兢

13950003604

gukejing@xmu.edu.cn

辜克兢

 13950003604

gukejing@xmu.edu.cn

柳    欣

13806024185

liuxin1983@xmu.edu.cn

窦    恒

 18627754021

douheng@chytey.com

孙佳妮

15201086188

scarlett@chytey.com

刘    琳

 13313708075

lliu@iue.ac.cn

 

● 会场技术服务

  

李    虎

柳    欣

18965842343

13806024185

hli@iue.ac.cn

liuxin1983@xmu.edu.cn
李招英

13860473552

lizhaoying@xmu.edu.cn

      
           
● 会场安排   ● 会议注册  

辜克兢

13950003604

gukejing@xmu.edu.cn

 胡勤梅 13554192326

mary@chytey.com

窦    恒

18627754021

douheng@chytey.com

 孙晓笛 18813296455 xiaodi.sun@xmu.edu.cn
           
● 商业赞助   ● 会议财务  
朱    佳 13950159036

zhujia@xmu.edu.cn

 许心雅 18005960255 xuxinya@xmu.edu.cn
           

● 海报张贴

  

● 酒店预定及咨询

  
张    君 13860426122 junzhang@xmu.edu.cn

李    璟

18627754146

lijing@chytey.com
卢    巍 18971567453 luwei@chytey.com      

 

登录 注册缴费 酒店预订