摘要
本发明公开了一种基于多任务学习的遥感影像变化检测及变化描述方法,通过基于权重共享的SegformerB1网络得到双时态遥感图像的共享特征,引入可变形注意力机制关注关键区域,引入动态卷积机制对共享特征进行多尺度卷积操作和特征拼接,得到能够全面解释遥感影像变化信息的通用特征,使用通用特征对变化检测任务和变化描述任务进行多任务学习,并通过Softmax函数输出遥感影像变化定位和变化描述结果。本方法构建了变化检测和变化描述的通用特征,提升了特征的表达能力和鲁棒性;对变化检测任务和变化描述任务进行多任务学习,提高了任务间的协同效率,提升了遥感图像变化检测和变化描述模型准确性和泛化性。
技术关键词
遥感影像变化检测
通用特征
多任务
加权特征
Softmax函数
遥感图像变化检测
卷积模块
特征提取网络
多头注意力机制
前馈神经网络
输入解码器
双线性插值
多尺度
动态
系统为您推荐了相关专利信息
轴承故障诊断方法
时间卷积网络
依赖特征
故障诊断模型
短时傅里叶变换
医学图像分割模型
双线性插值算法
输出特征
编码器
医学影像分割技术
标签
综合监测系统
数字孪生模型
多任务神经网络
高清工业相机
多任务深度学习
性能评估系统
时序特征
最佳特征
成分分析