【论文笔记】DSIFN:用于高分辨率双时相遥感图像变化检测的深度监督图像融合网络
本文是论文《A deeply supervised image fusion network for change detection in high resolution bi-temporal remote sensing images》的阅读笔记。
文章提出了一个深度监督图像融合网络DSIFN,首先使用量分支的全卷积网络进行特征提取,然后再用深度监督的差异判别网络DNN进行变化检测。为了提升变化图边界的完整性和内部的致密性,使用多层次的深度特征与图像差图特征通过注意力机制进行融合。
一、方法和网络结构
现有的深度学习方法有以下限制:1. 变化图边界的完整性和内部的致密性不好;2. 在双分支网络结构中,容易出现梯度消失;3. 怎么样在不同域中进行有效的特征融合是个问题。
上图是IFN网络的结构示意图。
上图是DNN的示意图。
深度图像融合网络IFN包括深度特征提取网络DFEN,差异判别网络DDN。DFEN的backbone是VGG-16,文章第一次尝试使用预训练网络进行端到端的变化检测任务。使用的注意力机制包括空间注意力和通道注意力,和CBAM注意力机制类似,大家可以去我博客搜一下,这里不再赘述。数据增强包括:1.图像旋转、2. 图像翻转、3. 增加噪声、4. 图像模糊、5. 图像平滑。
二值交叉熵损失公式如下:
Lbce=−tilog(yi)−(1−ti)log(1−yi)L_{b c e}=-t_{i} \log \left(y_{i}\right)-\left(1-t_{i}\right) \log \left(1-y_{i}\right) Lbce=−tilog(yi)−(1−ti)log(1−yi)
其中,tit_iti表示在像素iii处的GT值,ti=1t_i=1ti=1表示发生了变化,ti=0t_i=0ti=0表示未发生变化;yiy_iyi表示像素iii处变化的概率;1−yi1-y_i1−yi表示未变化的概率。文章中使用的sigmoid二值交叉熵损失,其公式如下:
Lsig−bce=−tilog(σ(yi))−(1−ti)log(σ(1−yi))L_{s i g_{-} b c e}=-t_{i} \log \left(\sigma\left(y_{i}\right)\right)-\left(1-t_{i}\right) \log \left(\sigma\left(1-y_{i}\right)\right) Lsig−bce=−tilog(σ(yi))−(1−ti)log(σ(1−yi))
其中σ\sigmaσ表示sigmoid激活函数,为了弱化不平衡类的影响,文章结合了sigmoid二值交叉熵损失和dice系数损失,dice系数损失的定义如下:
Ldice =1−(2yiti)/(yi+ti))\left.L_{\text {dice }}=1-\left(2 y_{i} t_{i}\right) /\left(y_{i}+t_{i}\right)\right) Ldice =1−(2yiti)/(yi+ti))
总损失函数如下:
KaTeX parse error: Expected '}', got '_' at position 17: …L=L_{\text {sig_̲bce }}+L_{\text…
二、实验
实验选用的baseline模型有:Unet++_MSOF、FC-Sima-conc、FC-Sima-diff、FCN-PP(Fully convolutional network with pyramid pooling)。
上图是多种变化检测方法的对比。
上图是大变化区域的检测结果,a~h分别是T1图像、T2图像、GT图像、IFN结果、Unet++_MSOF结果、FCN-PP结果、FC-Siam-conc结果、FC-Siam-diff结果。
上图是小变化区域的检测结果,a~h分别是T1图像、T2图像、GT图像、IFN结果、Unet++_MSOF结果、FCN-PP结果、FC-Siam-conc结果、FC-Siam-diff结果。
【论文笔记】DSIFN:用于高分辨率双时相遥感图像变化检测的深度监督图像融合网络相关推荐
- 毕业设计-基于BIT的双时相遥感影像变化检测(附下载链接-Python源码+毕业论文+答辩PPT+相关资料等等)
毕业设计-基于BIT的双时相遥感影像变化检测(Python开发) 点我下载文件 论文目录 压缩包目录 毕业设计 内容摘要(主要应解决的问题.难点): 掌握国土资源利用率和土地覆盖类型,是地理国情普查与 ...
- 论文笔记--(HRNet)用于人类姿势估计的深度高分辨率表征学习(Deep High-Resolution Representation Learning for Human Pose Estima)
索引 因为大多数现有的姿势估计学习常用的方法是提取图象的低分辨率特征,然后从低分辨率恢复高分辨率进行预测.但是在恢复高分辨率表征时,会丢失信息.HRNet提出一种网络使其在整个过程中保持高分辨率的 ...
- 论文笔记:用于动态薄膜干涉测量的高光谱成像《Hyperspectral imaging for dynamic thin film interferometry》
论文地址:Hyperspectral imaging for dynamic thin film interferometry | Scientific Reports 目录 论文简介 阻因 现有方法 ...
- 论文笔记 | 使用层析法和双色测温法进行火焰三维温度场重建
使用层析法和双色测温法进行火焰三维温度场重建 3-D Reconstruction of Flame Temperature Distribution Using Tomographic and Tw ...
- [深度学习论文笔记]Modality-aware Mutual Learning for Multi-modal Medical Image Segmentation
Modality-aware Mutual Learning for Multi-modal Medical Image Segmentation 多模态医学图像分割中的模态感知互学习 Publish ...
- 论文笔记:基于深度学习的遥感影像变化检测综述
论文主要信息 本篇博文主要是对该论文进行总结和翻译,如有错漏,欢迎指出.(目前仅对有监督学习部分进行了整理) 标题:Deep learning for change detection in remo ...
- 1504.ICCVPartial Person Re-Identification 论文笔记
1504.ICCVPartial Person Re-Identification 论文笔记 作者针对之前一些模型都是假设给以完整行人检测图像probe情况下,进行行人重识别任务,独辟蹊径,主要解决r ...
- 基于gan和孪生网络框架,利用双时间光学遥感图像绘制滑坡清单Landslide Inventory Mapping Using Bi-Temporal Optical Remote Sensin
Landslide Inventory Mapping Using Bi-Temporal Optical Remote Sensing Images Remote Sensing Images 基于 ...
- 【论文学习笔记-2】高分辨率3D深度重建
[论文学习笔记-2] 高分辨率3D深度重建 背景介绍 模型 目标 Related Works 背景介绍 应用场景广泛:桥,电缆etc 高分辨率图像的特点:像素多,potential disparity ...
最新文章
- YOLO-Fastest:目前最快的YOLO网络!移动端上可达148 FPS
- winston日志框架
- sharedpreferences 重启不保存_MMKV为什么可以替换SharedPreferences
- ubuntu12.10 64位编译Android4.1
- reduce_sum()中的reduction_indices
- centos7开发java体验_centos7之Java开发环境构建
- 第三章 使用Servlet处理HTTP响应
- NEFU 635(二分+枚举)
- java wmi_WMI依赖服务使用WMI查询
- CSS样式的插入方式
- 不好意思,这么久没有更新《从零开始掌握ASP.NET Core 》
- qq空间说说服务器维护,如何解决QQ空间说说发表不了
- docker安装软件(vim,service)
- 如何清除/删除终端中的当前行?
- MFC的定时器OnTimer
- python爬虫学习(1)爬取微软必应翻译(中英互译)
- Object.keys方法
- java date dec_java – 将日期从“2009-12 Dec”格式转换为“31-DEC-2009”
- keil下汇编语言调试分析
- Principles of fMRI 1课程笔记7--fMRI数据的时间分辨率和空间分辨率
热门文章
- 曹政--互联网搜索老师傅
- sql 数据库前两列值乘_SQL注入原理和方法汇总
- 解决Maven打包没有依赖jar包问题
- No module named ‘torchvision.models.feature_extraction‘
- pythonipo模型包括_python ipo模型是指什么?_Python教程,python,ipo,模型
- 换头像这个功能怎么测
- 重装VMare出错:用户在命令行上发出了EULAS_AGREED=1,表示不接受许可协议
- 2022年全球市场有机硅结构密封胶总体规模、主要生产商、主要地区、产品和应用细分研究报告
- 多智能体深度强化学习综述与批判——Matthew E. Taylor
- Linux内核分析2:一个简单的时间片轮转多道程序内核代码分析