基于Segnet网络和迁移学习的全景街区影像变化检测
Complex street scene change detection based on segnet network and migration learning作者机构:昆明理工大学国土资源工程学院昆明650093 云南省高校高原山区空间信息测绘技术应用工程研究中心昆明650093
出 版 物:《重庆大学学报》 (Journal of Chongqing University)
年 卷 期:2022年第45卷第11期
页 面:100-107页
核心收录:
学科分类:08[工学] 0816[工学-测绘科学与技术] 081602[工学-摄影测量与遥感]
基 金:国家自然科学基金资助项目(41961039) 云南省应用基础研究计划面上项目(2018FB078) 自然资源部地球观测与时空信息科学重点实验室经费资助项目(201911).
主 题:Segnet网络 迁移学习 全景街区影像 变化检测 支持向量机
摘 要:针对采用传统方法难以提高全景街区影像变化检测精度的问题,提出一种基于Segnet网络和迁移学习的全景街区影像变化检测方法。首先对数据集“TSUNAMI进行预训练并对训练集进行分类归并;然后采用Segnet网络对全景街区影像进行语义分割,最后对语义分割结果进行差值运算,得到变化差异图并进行精度评价。实验选取两组全景街区影像,采用最大似然法、支持向量机方法(SVM,support vector machine)以及提出方法对这2组数据进行对比实验,第一组得到的精度分别为65.1%、72.1%和81.4%;第二组得到的精度分别为66.5%、70.6%、82.2%。实验结果表明提出的方法具有更高的变化检测精度,可为城市违章排查、灾后重建等提供技术支撑。