| 基于孪生残差神经网络的GF-2影像林地变化检测——以浙江省建德林场为例 |
| |
| 作者姓名： | 艾遒一 黄华国 郭颖 刘炳杰 陈树新 田昕 |
| |
| 作者单位： | 1. 北京林业大学森林资源和环境管理国家林草局重点实验室;2. 中国林业科学研究院资源信息研究所 |
| |
| 基金项目： | 中国高分辨率对地观测系统国家科技重大专项“高分共性产品真实性检验相关标准规范编制”（21-Y20B01-9001-19/22-1）； |
| |
| 摘 要： | 森林是世界上生产力最高的可再生自然资源之一，但由于火灾、洪水、砍伐等多种自然或人为因素干扰，森林的生态环境受到严重威胁。准确掌握林地资源变化的情况，可以为森林资源的管理与保护提供有效信息。由于林地类别及树种差异较大，在林地变化检测任务中传统的机器学习变化检测方法难以捕捉深层次语义信息，存在提取特征适应性差、识别能力弱以及因季相导致的伪变化等问题。提出以孪生残差神经网络构建深度学习模型，进行林地变化的检测实验。分别采用残差神经网络ResNet50、添加不同轻量级注意力机制如卷积注意力机制模块CBAM和压缩和激励模块SE 3种不同特征提取方法作为主干特征提取模块。3种主干特征提取网络都基于预训练权重进行训练，通过将提取的多尺度的特征图进行融合，使得不同特征图中信息粗略细节和精细细节互补，从而改善变化检测效果，同时具有相同数量的参数，共享权值的优点。以浙江省建德林场为实验区，获取2015年和2020年两期高分二号卫星影像，构建一套分辨率为1 m的林地变化检测数据集。对孪生残差神经网络变化检测的结果和真实变化标签进行比较，其中主干特征提取网络SE-ResNet50综合结果最好，精确率为0.91...
|
| 关 键 词： | 林地变化检测 深度学习 注意力机制 孪生神经网络 残差神经网络 |
|
