摘要
本发明提供了一种多层次语义信息聚合方法、装置、设备及介质,方法包括:提取不同尺度的图像高级特征,联合不同尺度的图像高级特征,采用自注意力机制构建高精度的DFG映射图;将DFG映射图嵌入到卷积神经网络中的引导聚合模块中进行特征融合,获得多层次语义信息的融合特征图;采用不同尺度的卷积操作在融合特征图中提取多尺度细粒度特征,并对多尺度细粒度特征进行特征融合,生成最终的用于遥感图像变化检测的特征图。本发明通过结合不同尺度的深层特征与自注意力机制,构建高精度的深度特征引导映射,有效克服了传统方法中存在的语义差异、细节丢失及噪声干扰问题,大幅提高了遥感图像变化检测的精度和鲁棒性。
技术关键词
遥感图像变化检测
细粒度特征
融合特征
多层次
多尺度
注意力机制
语义
可读存储介质
压缩特征
模块
信道
处理器
计算机设备
存储器
鲁棒性
非线性
噪声
系统为您推荐了相关专利信息
环境监测传感器
物联网网关
扩展卡尔曼滤波算法
分布式传感器网络
智能火灾
跟踪方法
通道注意力机制
轨迹
协方差矩阵
匈牙利匹配算法
协同调度方法
策略
网络通信机制
强化学习算法
多智能体协同