研究目的
通过半监督方法处理一对双时相遥感影像,以检测重大事件发生后某一地理区域发生的变化。
研究成果
该方法通过使用一种新颖的训练数据生成方法(从无标签图像中生成)训练的暹罗神经网络,比较双时相图像,有效检测重大事件后地理区域的变化。该方法对输入图像的光学和几何特性差异表现出鲁棒性。
研究不足
由于缺乏基准数据集,该方法性能主要通过主观评估。该方案可能对外部图像的质量及代表性较为敏感——这些外部图像用于生成冒充者补丁对。
研究目的
通过半监督方法处理一对双时相遥感影像,以检测重大事件发生后某一地理区域发生的变化。
研究成果
该方法通过使用一种新颖的训练数据生成方法(从无标签图像中生成)训练的暹罗神经网络,比较双时相图像,有效检测重大事件后地理区域的变化。该方法对输入图像的光学和几何特性差异表现出鲁棒性。
研究不足
由于缺乏基准数据集,该方法性能主要通过主观评估。该方案可能对外部图像的质量及代表性较为敏感——这些外部图像用于生成冒充者补丁对。
加载中....
您正在对论文“[IEEE IGARSS 2019 - 2019年IEEE国际地球科学与遥感研讨会 - 日本横滨 (2019.7.28-2019.8.2)] IGARSS 2019 - 2019年IEEE国际地球科学与遥感研讨会 - 基于SIAMESE人工神经网络的无标签遥感影像变化检测”进行纠错
纠错内容
联系方式(选填)
称呼
电话
单位名称
用途
期望交货周期
称呼
电话
单位名称
用途
期望交货周期