[张贴报告]基于孪生融合网络的火星条状地貌变化检测

基于孪生融合网络的火星条状地貌变化检测
编号:4470 稿件编号:1060 访问权限:仅限参会人 更新:2024-04-15 17:06:22 浏览:484次 张贴报告

报告开始:2024年05月18日 08:01 (Asia/Shanghai)

报告时间:1min

所在会议:[SP] 张贴报告专场 » [sp10] 主题10、行星科学与空间物理

暂无文件

摘要
针对火星地貌的变化检测对于探究火星表面地质活动和物质构成有重要意义。然而目前的火星变化检测方法普遍面临伪变化干扰、对齐困难、依赖人工处理等诸多挑战。在本研究中,我们提出了一个基于孪生结构的深度学习模型SLCD-Net用于检测图像块级别的火星条状地貌变化。首先,SLCD-Net使用结合通道注意力的残差块作为特征提取单元,保证了输出特征的鲁棒性。其次,我们在孪生模型的两个分支之间添加了设计的双特征多级互补融合模块和空间注意力模块,用来获取成对特征图之间的互补特征、消除干扰并突出关键特征。最后,我们提出了以火星条状地貌为内容的数据集来提高模型的识别能力。大量实验结果证明SLCD-Net优于现有的火星变化检测模型,且可以拓展到像素级别检测。
 
关键字
变化检测,火星地貌,深度学习,计算机视觉,特征融合
报告人
张凤奇
博士研究生 武汉大学

稿件作者
张凤奇 武汉大学
叶茂 武汉大学
陈祎豪 武汉大学
张文松 武汉大学
孙雪梅 武汉大学
陈子浩 武汉大学
李斐 武汉大学
发表评论
验证码 看不清楚,更换一张
全部评论
● 会务总协调  

● 学术安排

 

辜克兢

13950003604

gukejing@xmu.edu.cn

辜克兢

13950003604

gukejing@xmu.edu.cn

柳    欣

13806024185

liuxin1983@xmu.edu.cn

窦    恒

18627754021

douheng@chytey.com

孙佳妮

15201086188

scarlett@chytey.com

刘    琳

13313708075

lliu@iue.ac.cn

 

● 会场技术服务

 

李    虎

柳    欣

18965842343

13806024185

hli@iue.ac.cn

liuxin1983@xmu.edu.cn
李招英

13860473552

lizhaoying@xmu.edu.cn

     
           
● 会场安排   ● 会议注册  

辜克兢

13950003604

gukejing@xmu.edu.cn

胡勤梅 13554192326

mary@chytey.com

窦    恒

18627754021

douheng@chytey.com

孙晓笛 18813296455 xiaodi.sun@xmu.edu.cn
           
● 商业赞助   ● 会议财务  
朱    佳 13950159036

zhujia@xmu.edu.cn

许心雅 0592-2880181 xuxinya@xmu.edu.cn
           

海报张贴

 

● 酒店预定及咨询

 
张    君 13860426122 junzhang@xmu.edu.cn

李    璟

18627754146

lijing@chytey.com

卢    巍 18971567453 luwei@chytey.com      

 

登录 注册缴费 酒店预订