用于航拍图像变化检测的宽神经网络
计算机视觉与模式识别
2019-07-23 v2
摘要
变化检测系统以两个不同时刻捕获的某区域图像作为输入，并预测该区域中哪些像素在该时间段内发生了改变。由于基于像素的分析可能因噪声、光照差异及其他因素而产生错误，通常利用上下文信息来确定像素的类别（是否变化）。这种上下文信息通过考虑差异图像的一个像素及其邻域来加以考虑。借助地面真实信息，生成带标签的模式。最后，使用宽学习（Broad Learning）分类器对每个像素的类别进行预测。结果表明，宽学习对数据集的分类 F 值显著高于多层感知机。还与其它流行分类器即多层感知机和随机森林进行了性能比较。
引用
@article{arxiv.1903.00087,
title = {Broad Neural Network for Change Detection in Aerial Images},
author = {Shailesh Shrivastava and Alakh Aggarwal and Pratik Chattopadhyay},
journal= {arXiv preprint arXiv:1903.00087},
year = {2019}
}
备注
$\textbf{Accepted at}$: IEMGraph (International Conference on Emerging Technology in Modelling and Graphics) 2018 $$ $$ $\textbf{Date of Conference}$: 6-7 September, 2018 $$ $$ $\textbf{Location of Conference}$: Kolkatta, India