![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
神经网络
文章平均质量分 91
只能凯瑞一点
用我的一生,去做一些事情
展开
-
【基于时间特征交互和引导细化的遥感变化检测 】2022TGRS
遥感变化检测(RSCD)从注册的一对遥感图像中识别变化和不变的像素,最近取得了显著的成功。然而,在RSCD中,定位具有精细结构细节的变化对象仍然是一个具有挑战性的问题。在本文中,我们提出了一种新的基于时间特征交互和引导求精的RSCD网络(TFI-GR)来解决这个问题。具体来说,与以往的方法不同,这些方法只使用一个单一的级联或减法操作来进行双时间特征融合,我们设计了一个时间特征交互模块(TFIM)来增强双时间特征之间的交互,并在不同的特征级别捕获时间差异信息。原创 2022-09-28 17:08:13 · 1667 阅读 · 0 评论 -
论文阅读:SCDNET: A novel convolutional network for semantic change detection in high resolution optical
SCDNET:一种用于高分辨率光学遥感图像变化检测网络变化检测新的网络架构,提出了一种新的语义CD网络(SCDNet),在该网络中可以生成像素级的语义变化图。因此,通过带有“从到”类标签的双时态语义更改映射,可以很容易地表示更改转换状态。SCDNet基于编码器-解码器架构设计,由两个编码器和两个解码器组成,可以有效地结合双时间图像信息生成语义变化图原创 2021-12-15 13:52:27 · 3404 阅读 · 2 评论 -
图像分割之Unet解析及实现代码
Unet网络并不难理解,用简短的文字和图片去理解unet网络的思想,以及代码复现。原创 2021-12-06 14:30:20 · 27289 阅读 · 10 评论 -
深度学习之注意力机制详解(Attention)
注意力机制是对人类视觉注意力机制的仿生,本质上是一种资源分配机制。生理原理就是人类视觉注意力能够以高分辨率接收于图片上的某个区域,并且以低分辨率感知其周边区域,并且视点能够随着时间而改变。换而言之,就是人眼通过快速扫描全局图像,找到需要关注的目标区域,然后对这个区域分配更多注意,目的在于获取更多细节信息和抑制其他无用信息。原创 2021-12-01 13:54:35 · 9180 阅读 · 0 评论 -
STANet基于时空自注意力的神经网络--变化检测模型
STANet基于时空自注意力的神经网络检测模型《A spatial-temporal attention-based method and a new dataset for remote sensing image change detetion》解读目录网络架构特征提取器自注意力机制时空自注意力模块(BAM)多尺度金字塔注意力模块(PAM)双线性插值图像插值双线性插值度量模块损失函数LOSS模型测试消融实验网络架构该网络结构大体上为暹罗神经网络模型,首先两幅图像经过权重共享的特征提取网络(b)原创 2021-11-03 21:17:13 · 3828 阅读 · 3 评论 -
DeepLabV3+神经网络解析
DeepLabV3+神经网络解析论文:Encoder-Decoder with Atrous Separable Convolution for Semantic Image Segmentation什么是DeeplabV3+网络deeplabV3+主要结构主干网络(DCNN)空洞卷积(膨胀卷积)空洞空间卷积池化金字塔(atrous spatial pyramid pooling (ASPP))利用特征获得预测结果损失函数结果对比论文:Encoder-Decoder with Atrous Separab原创 2021-10-02 16:32:51 · 7466 阅读 · 0 评论