CN113537177B 一种基于视觉Transformer的洪涝灾害监测与灾情分析方法 （南京信息工程大学）_第1页
CN113537177B 一种基于视觉Transformer的洪涝灾害监测与灾情分析方法 （南京信息工程大学）_第2页
CN113537177B 一种基于视觉Transformer的洪涝灾害监测与灾情分析方法 （南京信息工程大学）_第3页
CN113537177B 一种基于视觉Transformer的洪涝灾害监测与灾情分析方法 （南京信息工程大学）_第4页
CN113537177B 一种基于视觉Transformer的洪涝灾害监测与灾情分析方法 （南京信息工程大学）_第5页
已阅读5页，还剩12页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

一种基于视觉Transformer的洪涝灾害监测本发明公开了一种基于视觉Transformer的建基于视觉Transformer的双时相图像变化检测度学习中基于先进视觉Transformer的双时相图21.一种基于视觉Transformer的洪涝灾害监测与灾情分析方法，其特征在于，包括步将步骤(11)中得到的双时相特征集Fi进行编码，以构建具有时空关系的丰富语义特征k2.根据权利要求1所述的基于视觉Transforme34[0001]本发明涉及洪涝灾害监测与灾情分析方法，尤其涉及一种基于视觉Transformer统的水体识别的研究工作主要依赖于水体在遥感影像中与其他地表物体之间反映强度的生前后灾区地表覆盖极具变化的情况，深度学习算法能够迅速且高效的识别出洪涝面积。在遥感图像变化检测与目标识别等任务中，但是对于较长范围的时空信息就显得差强人5[0023]（21）先对包含往年汛期前后的水体的双时相遥感影像对进行辐射定标、几何校6觉Transformer的双时相图像变化检测模型和不受时间、天气影响且穿透能力强的雷达数[0029]图2为基于视觉Transformer的双时相图像变化检测模型框架图，主要由CNN框架[0030]图3为本发明所构建的双时相微波遥感洪涝灾害标签示例图，第一行跟第二行是[0033]本发明提出了一种基于视觉Transformer的双时相图像变化检测模型来有效地对其中Transformer利用注意力等机制增大感受野利用时空信息，可有效学习高分辨率遥感影像中目标物的变化以及充分利用时空信息；另一方面本发明制作了双时相洪涝灾害标[0036]如图1所示为本发明基于视觉Transformer的模型框架结构图，主要由CNN框架现过程如下：[0038]采用经典深度学习卷积神经网络ResNet作为提取双时相遥感影像中目标水体变,然后用空间注意力机制a'对变化水体特征进行处理，得到双时相特征集[0043]Transformer可以充分利用双时相遥感影像时空的全局语义关系，所以在为每个7时相特征的联系，以构建具有时空关系的丰富语义特征集。先用MSA对双时相特征集[0048]编码器所得到的上下文丰富语义特征集被孪生解码器重新映射到像素空间8[0054]步骤三，基于视觉Transformer变化检测模型的哨兵一号洪涝精准监测与灾情分析[0056]（32）结合双时相图像变化检测模型所得到的灾区变化水体分布图和灾区地表覆[0057]根据上述构建水体变化数据集来训练Transformer的双时相图像变化检测模型，[0058]图4是2020年夏季鄱阳湖湖区洪涝灾情分析示例图。利用双时相图像变化检测模[0059]本发明提出一种基于视觉Transformer的双时相图像变化

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论