摘要
本发明公开了一种高光谱图像域适应变化检测方法、设备及软件产品,首先运用相关性对齐损失,旨在最大程度地减少由成像时间变化所导致的图像分布差异,从而避免网络过度捕捉非关键的变化。同时,本发明还引入通道注意力机制,以强化差异图像的特征表现,进而帮助网络更精准地发现细微的变化。最后,本发明采用Kullback‑Leibler散度损失来融合两个分支所提取特征,从而进一步增强网络对变化检测的精确性。
技术关键词
变化检测方法
通道注意力机制
二维卷积神经网络
变化检测网络
图像
卷积神经网络提取
非暂态计算机可读存储介质
融合特征
处理器
缩放参数
代表
存储器
标签
矩阵
分支
成像
样本
数值
程序
系统为您推荐了相关专利信息
灰度共生矩阵
融合特征
特征金字塔网络
特征提取网络
训练图像数据
损伤评估方法
公路桥梁
桥梁结构
桥梁主梁
特征值
残差神经网络
图像配准模型
量化分析方法
牙周袋
双线性插值方法