报告详情
基于全尺度连接孪生网络SNUNet3+的高分遥感影像耕地变化检测
编号：3240
访问权限：仅限参会人
更新：2024-04-13 10:58:43 浏览：1864次
口头报告
报告开始：2024年05月19日 10:45（Asia/Shanghai）
报告时间：10min
所在会场：[S7] 主题7、遥感与地理信息科学 [S7-5] 主题7、遥感与地理信息科学 专题7.9、专题7.6（19日上午，303）
暂无文件
摘要
近年来，中国农村违法用地行为导致耕地减少，特别是城市周边，人地失衡难以逆转。为及时遏制该现象，研究了一种精准、高效检测耕地变化的深度学习方法。将全尺度跳跃连接UNet设计孪生神经网络，并加入模块提升模型检测性能。同时选取江苏省沛县2018年和2021年的高分二号影像进行耕地变化提取。详细研究内容包括：（1）设计了一种用于耕地变化检测的基于全尺度连接深度监督注意力网络（SNUNet3+）。它在网络骨干部分使用了孪生UNet3+结构，并结合scSE注意力机制和深度监督模块，充分关注全尺度特征信息，获取准确全面的变化检测结果。（2）构建了一套沛县变化检测（PX-CLCD）数据集，包含5170对1m分辨率的RGB图像和二值变化标签图，变化类型包括①耕地出现建筑物；②耕地新增道路；③耕地新增大棚房；④耕地新增人造湖泊。
关键词
变化检测,孪生网络,耕地非农化,高分影像
报告人
苗立志
副教授 南京邮电大学稿件作者
全部评论
重要日期
-
会议日期
05月17日
2024
至05月20日
2024
-
03月31日 2024
初稿截稿日期
-
03月31日 2024
报告提交截止日期
-
05月20日 2024
注册截止日期
主办单位
青年地学论坛理事会
承办单位
厦门大学近海海洋环境科学国家重点实验室
中国科学院城市环境研究所
自然资源部第三海洋研究所
中国科学院城市环境研究所
自然资源部第三海洋研究所
联系方式
- 辜克兢（会务总协调、会场安排、学术安排）
- gu******@xmu.edu.cn
- 139********
- 柳欣（会务总协调）
- li******@xmu.edu.cn
- 138********
- 孙佳妮（会务总协调）
- sc******@chytey.com
- 152********
- 窦恒（会场安排、学术安排）
- do******@chytey.com
- 186********
- 李招英（会场技术服务）
- li******@xmu.edu.cn
- 138********
- 刘琳（学术安排）
- ll******@iue.ac.cn
- 133********
- 李虎（学术安排）
- hl******@iue.ac.cn
- 189********
- 柳欣（学术安排）
- li******@xmu.edu.cn
- 138********
- 胡勤梅（会议注册）
- ma******@chytey.com
- 135********
- 孙晓笛（会议注册）
- xi******@xmu.edu.cn
- 188********
- 许心雅（会议财务）
- xu******@xmu.edu.cn
- 180********
- 朱佳（商业赞助）
- zh******@xmu.edu.cn
- 139********
- 张君（海报张贴）
- ju******@xmu.edu.cn
- 138********
- 卢巍（海报张贴）
- lu******@chytey.com
- 189********
- 李璟（酒店预订及咨询）
- li******@chytey.com
- 186********
发表评论