基于改进U-Net网络与联合损失函数的海南自然保护区高分辨率遥感变化检测模型
Environmental Monitoring in China（2021）
摘要
海南自然保护区遥感监测对森林资源监测、生态保护及热带亚热带地表研究具有重要意义.基于深度学习方法,针对海南省自然保护区大范围变化检测问题,对U-Net网络结构进行了改进,在每一个卷积层后加入标准化层,以跳线连接的形式将原有卷积模块改进为优化模块,同时在编码器底端添加金字塔池化模块以更好提取全局信息,形成了改进U-Net网络模型.模型训练采用基于交叉熵损失函数和广义骰子损失函数构建的联合损失函数,配合多种优化策略实现端到端的地物变化信息提取.该模型应用于公开数据集和研究构建的海南自然保护区数据集的变化检测任务,总体精度分别为97.21％(Kappa系数0.88)和95.12％(Kappa系数0.90),相比原始U-Net效果提升显著.
更多查看译文
AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
数据免责声明
页面数据均来自互联网公开来源、合作出版商和通过AI技术自动分析结果，我们不对页面数据的有效性、准确性、正确性、可靠性、完整性和及时性做出任何承诺和保证。若有疑问，可以通过电子邮件方式联系我们：report@aminer.cn