使用深度孪生卷积神经网络检测城市动态
计算机视觉与模式识别
2020-08-12 v1 图像与视频处理
摘要
变化检测是计算机视觉与遥感领域中快速发展的学科。在这项工作中，我们设计并开发了一种卷积神经网络（CNN）的变体，称为孪生CNN（Siamese CNN），用于从在不同时间捕获的Mekelle市Sentinel-2时序图像对中提取特征，并检测由于城市化引起的变化：建筑物和道路。所提方法的检测能力通过总体精度（95.8）、Kappa系数（72.5）、召回率（76.5）、精确率（77.7）、F1值（77.1）来衡量。该模型在大多数这些指标方面取得了良好性能，可用于检测Mekelle及其他城市在不同时间跨度下经历城市化的变化。
引用
@article{arxiv.2008.04829,
title = {Detecting Urban Dynamics Using Deep Siamese Convolutional Neural Networks},
author = {Ephrem Admasu Yekun and Petros Reda Samsom},
journal= {arXiv preprint arXiv:2008.04829},
year = {2020}
}