一种用于双时相 SAR 图像变化检测的轻量级卷积神经网络
图像与视频处理
2020-06-23 v2 计算机视觉与模式识别
摘要
近期，许多卷积神经网络（CNN）已成功应用于双时相 SAR 图像变化检测。然而，现有的大多数网络过于庞大，占用大量内存用于存储和计算。受此启发，本文提出一种轻量级神经网络，以降低计算和空间复杂度，并便于在边缘设备上进行变化检测。在所提出的网络中，我们用保持输入输出通道数不变的瓶颈层替换了普通卷积层。接着，我们采用具有少量非零项的空洞卷积核，以减少卷积运算中的运行时间。与传统卷积神经网络相比，我们的轻量级神经网络参数更少，效率更高。我们在四组双时相 SAR 图像上验证了该轻量级神经网络。实验结果表明，所提出的网络能够获得优于传统 CNN 的性能，并具有更好的模型泛化能力，尤其是在具有复杂场景的挑战性数据集上。
引用
@article{arxiv.2005.14376,
title = {A Light-Weighted Convolutional Neural Network for Bitemporal SAR Image Change Detection},
author = {Rongfang Wang and Fan Ding and Licheng Jiao and Jia-Wei Chen and Bo Liu and Wenping Ma and Mi Wang},
journal= {arXiv preprint arXiv:2005.14376},
year = {2020}
}