报告详情
基于孪生融合网络的火星条状地貌变化检测
编号：4470
访问权限：仅限参会人
更新：2024-04-15 17:06:22 浏览：1448次
张贴报告
报告开始：2024年05月18日 08:01（Asia/Shanghai）
报告时间：1min
所在会场：[SP] 张贴报告专场 [sp10] 主题10、行星科学与空间物理
暂无文件
摘要
针对火星地貌的变化检测对于探究火星表面地质活动和物质构成有重要意义。然而目前的火星变化检测方法普遍面临伪变化干扰、对齐困难、依赖人工处理等诸多挑战。在本研究中，我们提出了一个基于孪生结构的深度学习模型SLCD-Net用于检测图像块级别的火星条状地貌变化。首先，SLCD-Net使用结合通道注意力的残差块作为特征提取单元，保证了输出特征的鲁棒性。其次，我们在孪生模型的两个分支之间添加了设计的双特征多级互补融合模块和空间注意力模块，用来获取成对特征图之间的互补特征、消除干扰并突出关键特征。最后，我们提出了以火星条状地貌为内容的数据集来提高模型的识别能力。大量实验结果证明SLCD-Net优于现有的火星变化检测模型，且可以拓展到像素级别检测。
关键词
变化检测,火星地貌,深度学习,计算机视觉,特征融合
报告人
张凤奇
博士研究生 武汉大学稿件作者
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