100 积分
50
评分
4.8 积分- 详情
- 2020-12-27
- 简介
pdf
- 2.1MB
- 页数 3P
- 阅读 62
- 下载 32
传统的建筑物变化检测方法任务繁重、办事效率低下；本文受到空洞卷积和Resnet卷积神经网络的启发；提出了一种基于Resnet的Unet网络结构；该方法扩大了卷积的感受野；增强了特征的描述能力；在损失函数的选取上采用Tversky损失函数；通过对超参数α和β的选取；从而达到了最优的效果；通过实验结果表明；该算法在建筑物变化检测中取得了良好的效果；
对不起，您暂无在线预览权限，如需浏览请
立即登录热门商品
相关推荐
一种改进的Unet建筑物变化检测方法 2.1MB
一种基于阴影检测的建筑物变化检测方法 3.1MB
基于结构相似性与直线提取的建筑物变化检测方法 1.6MB
评价建筑物能耗的一种方法—PRISM法简介 101KB
基于模糊综合评判的遥感图像变化检测方法 5.2MB
污水中硫化物的一种检测方法 1.2MB
一种基于LiDAR点云的建筑物提取方法 241KB
一种铆接质量检测方法的简介 390KB
一种快速的证件照片人脸检测方法 2.0MB
一种抗菌涂料抗菌性能检测方法 1.4MB