摘要
本发明提供一种基于多模态网络的林地变化检测方法,属于检测方法领域,本发明对于变化任务从查询入手,利用Transformer进行特征查询,将模型设计为孪生结构,模型利用self attention和cross attention进行多模态的交互,可以更好地区分真实变化和噪声,从多个角度捕捉目标的变化,从而提供更全面和准确的变化检测结果,提高林地变化检测的准确性。本发明以基于SegFormer网络为骨干网络,并对骨干结构进行改进,通过在输入阶段增加卷积层,并将SegFormer网络Efficient Self‑Attention部分替换为Swin Transformer的窗口注意力机制,增强局部特征提取能力,同时通过滑动窗口机制保留全局建模能力,更适应林地变化检测任务,为非法占用林地、毁林开垦等行为的早发现、早制止提供技术支撑。
技术关键词
林地变化检测方法
多模态网络
局部特征提取
影像
样本
图像特征编码
注意力机制
滑动窗口机制
地物要素
解码结构
多分辨率
层级
系列
代码库
优化器
系统为您推荐了相关专利信息
隐私计算方法
训练机器学习模型
训练样本数据
变量
节点设备
电车
识别方法
图像采集系统
图像分析系统
车载蜂鸣器
状态编码器
动作特征
机器人
融合特征
RGB特征
乳腺癌生物标志物
筛选方法
网络分析
软件包
基因共表达网络
混合神经网络模型
一维卷积神经网络
故障诊断模型
热工仪表
火电厂热工