resnet型神经网络的bp监督学习算法_科研成果 | 基于卷积神经网络和迁移学习的无监督变化检测算法...

本文介绍了基于卷积神经网络和迁移学习的无监督变化检测算法，本工作由赛博智能团队的刘俊夫等人提出，相关论文已于2019年在领域期刊发表录用。

Liu J, Chen K, Xu G, et al. Convolutional neural network-based transfer learning for optical aerial images change detection[J]. IEEE Geoscience and Remote Sensing Letters, 2019, 17(1): 127-131.

背景介绍

变化检测是指通过分析同一区域在不同时间采集的遥感图像，获取该地区地物信息变化的技术。随着深度学习的崛起，基于深度特征的遥感图像变化检测研究极具前景，但深度特征强大的表示能力往往依赖大量标签数据，而在实际场景中，往往较难获取这类标签数据，给基于深度学习的遥感图像变化检测带来极大挑战。

基于以上问题，本文提出了基于卷积神经网络和迁移学习的无监督变化检测算法，缓解了变化检测算法的标注压力。

算法介绍

本文算法主要分为以下几步，包括预训练语义分割模型、模型扩展