[口头报告]基于全尺度连接孪生网络SNUNet3+的高分遥感影像耕地变化检测

基于全尺度连接孪生网络SNUNet3+的高分遥感影像耕地变化检测
编号:3240 稿件编号:1186 访问权限:仅限参会人 更新:2024-04-13 10:58:43 浏览:43次 口头报告

报告开始:2024年05月19日 10:45 (Asia/Shanghai)

报告时间:10min

所在会议:[S7] 主题7、遥感与地理信息科学 » [S7-5] 主题7、遥感与地理信息科学 专题7.9、专题7.6(19日上午,303)

暂无文件

摘要
近年来,中国农村违法用地行为导致耕地减少,特别是城市周边,人地失衡难以逆转。为及时遏制该现象,研究了一种精准、高效检测耕地变化的深度学习方法。将全尺度跳跃连接UNet设计孪生神经网络,并加入模块提升模型检测性能。同时选取江苏省沛县2018年和2021年的高分二号影像进行耕地变化提取。详细研究内容包括:(1)设计了一种用于耕地变化检测的基于全尺度连接深度监督注意力网络(SNUNet3+)。它在网络骨干部分使用了孪生UNet3+结构,并结合scSE注意力机制和深度监督模块,充分关注全尺度特征信息,获取准确全面的变化检测结果。(2)构建了一套沛县变化检测(PX-CLCD)数据集,包含5170对1m分辨率的RGB图像和二值变化标签图,变化类型包括①耕地出现建筑物;②耕地新增道路;③耕地新增大棚房;④耕地新增人造湖泊。
 
关键字
变化检测,孪生网络,耕地非农化,高分影像
报告人
苗立志
副教授 南京邮电大学

稿件作者
苗立志 南京邮电大学
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