基于卷积网络和图神经网络混合的变化检测网络及方法技术

本发明专利技术公开了基于卷积网络和图神经网络混合的变化检测网络及方法，涉及遥感图像变化检测领域。包括编码器、融合器和解码器，所述编码器有五层网络，其中前两层为由卷积操作构成浅层网络，后三层为由图神经网络构成的深层网络，编码器的输入为双时刻遥感图像，为了同时处理双时刻图像编码器具有孪生的结构，所述融合器接收编码器输出的双时刻特征，将它们进行合并处理，所述解码器包含五层网络，其中深层网络有三层，每一层由点对点的特征融合模块和视觉图卷积模块构成，浅层网络有两层，由点对点的特征融合模块和卷积模块构成。本发明专利技术的有益效果是：能够提取局部和全局特征，具有较低的时间开销，使得网络的优化更明确专注。使得网络的优化更明确专注。使得网络的优化更明确专注。

【技术实现步骤摘要】
基于卷积网络和图神经网络混合的变化检测网络及方法


[0001]本专利技术主要涉及遥感图像变化检测领域，具体是基于卷积网络和图神经网络混合的变化检测网络及方法。

技术介绍

[0002]近年来，计算机视觉算法几乎都是基于卷积神经网络的，变化检测算法也不例外。
[0003]之前的变化检测算法大多是基于卷积神经网络，近年也有很多算法是基于卷积和Transformer的混合网络。基于卷积的变化检测网络受到卷积局部性的限制，不能有效提取空间中的全局特征。基于卷积和Transformer的混合变化检测网络，虽然利用了Transformer，但是由于Transformer的计算复杂度与输入尺寸成平方关系、具有较高时间开销，因此Transformer通常只作为网络中一个模块，并不能完全发挥Transformer提取全局特征的潜力。

技术实现思路

[0004]为解决现有技术的不足，本专利技术提供了基于卷积网络和图神经网络混合的变化检测网络及方法，它能够同时提取局部特征和全局特征，具有较低的时间开销，使得网络的优化更明确专注，从而更好地完成特本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于卷积网络和图神经网络混合的变化检测网络，包括编码器、融合器和解码器，其特征在于：所述编码器具有一个金字塔的结构，一共有五个层，随着层数的加深，特征图的空间尺寸也随着减少，每一层的空间尺寸比上一层减少一半，同时通道数也会随之增加，编码器的输入即为待处理的遥感图像，将其记为X
Ein
∈R
H
×
W
×3经过这五层的处理之后，编码器提取到的特征为(C
Eout
是通道数量)；所述融合器接收编码器的输出特征X
Eout1
和X
Eout2
，将它们进行合并处理，往融合器输入的特征首先经过一个拼接层，输入的双特征会在通道维度进行拼接，接着，由一个线性映射层降低特征的通道数，线性映射层由一个全连接层组成，最终融合器利用L
F
个视觉图卷积块进一步更好的合并信息，在融合器中，输入和输出特征的尺寸都为所述解码器的深层网络一共有3层，每一层由...

【专利技术属性】
技术研发人员：汪烈军，张翠，
申请(专利权)人：新疆大学，
类型：发明
国别省市：