文章摘要:变化检测（CD）是遥感的一项重要任务，通常面临着许多伪变化和较大的尺度变化。然而，目前的方法主要侧重于对差异特征的建模，而忽略了从原始图像中提取足够的信息，这影响了特征的识别能力，难以稳定地区分出变化区域。针对以上问题提出了一种全尺度特征聚合网络（FFANet）来更充分的利用原始图像特征，促使生成的特征表示在语义上更丰富、在空间上更准确，从而提高了网络对小目标和目标边缘的检测性能。同时拓展了深监督来结合多尺度的预测图，以促使不同对象在更合适的尺度上进行检测，从而提升了网络对对象尺度变化的鲁棒性。在CDD数据集上，相比于基线网络，所提方法仅增加了1.01M的参数量，就将F1分数提升了3.4%。

文章关键词:

论文DOI:10.13700/j.bh.1001-5965.2021.0522

论文分类号:TP751

上一篇：工业通用技术及设备论文_面向目标检测双驱自适
下一篇：没有了