计算机应用

作者：王玉龙, 蒲军, 赵江华, 黎建辉

单位：1. 中国科学院 计算机网络信息中心, 北京 100190;2. 中国科学院大学, 北京 100049

关键词：生成对抗网络,遥感影像,变化检测,图像语义分割,Focal损失

基金：国家自然科学基金资助项目（91546125）；中国科学院战略性先导科技专项（XDA19020104）。

针对传统的基于地物纹理和空间特征的方法很难精确识别地面新增建筑的问题，提出了一种基于生成对抗网络的新增建筑变化检测模型（CDGAN）。首先，使用Focal损失函数改进传统图像分割网络（U-net），并以此作为模型的生成器（G），用于生成遥感影像的分割结果；然后，设计了一个16层的卷积神经网络（VGG-net）作为鉴别器（D），用于区分生成的结果和人工标注（GT）的真实结果；最后，对生成器和判别器进行对抗训练，从而得到具有分割能力的生成器。实验结果表明，CDGAN模型的检测准确率达到92%，比传统U-net模型的平均区域重合度（IU）提升了3.7个百分点，有效地提升了遥感影像中地面新增建筑物的检测精度。

来源：2019年第5期

《计算机应用》期刊编辑部

查看计算机应用杂志2019年第5期