函数创建基于ResNet50网络的语义分割网络.本发明通过对网络进行输入层的改造,采用随机补片和图像增强技术直接处理大范围遥感图像,采用ResNet50和DeeplabV3+构建语义分割卷积神经网络,节省了图像裁剪操作,提高了变化检测的处理效率,降低了模型过拟合和内存消耗问题出现的可能性,保证了变化检测图像的完整性,提高了变化检测...
根据权利要求1所述的基于ResNet50和DeeplabV3+的卷积神经网络的遥感图像变化检测方法,其特征在于,所述DeeplabV3+是在DeepLabV3网络的基础上,连接一个比较复杂的Decoder模块改造成一个Encoder-Decoder结构,Encoder网络可选择使用ResNet或Xception进行基础特征提取,然后使用空洞卷积提取不同感受野的特征图,最后用1x1的卷积混合...
本发明涉及基于resnet50和deeplabv3+的卷积神经网络的遥感图像变化检测方法。背景技术::遥感图像变化检测是通过对比同一区域不同时期的两幅遥感图像,根据其波谱和光谱反射等特征,识别遥感图像变化区域类型和定量分析变化程度。遥感图像变化检测被广泛的应用于自然灾害预警监测、土地利用动态分析、国土资源保护与监测、城市...
基于ResNet50和DeeplabV3+的卷积神经网络的遥感图像变化检测方法,步骤如下:(1)数据选取:数据选取训练集和验证集两幅遥感变化检测图像;(2)创建语义分割:利用deeplabv3plusLayers函数创建基于ResNet50网络的语义分割网络。本发明通过对网络进行输入层的改造,采用随机补片和图像增强技术直接处理大范围遥感图像,采用ResNet...