1.一种基于孪生u-net神经网络的多模态遥感数据变化检测方法,其特征在于,包含:
2.根据权利要求1所述的基于孪生u-net神经网络的多模态遥感数据变化检测方法,其特征在于,对遥感影像原始数据进行预处理,得到原始数据对应的多模态目标数据,包含:
3.根据权利要求2所述的基于孪生u-net神经网络的多模态遥感数据变化检测方法,其特征在于,将原始数据的rgb影像数据进行归一化处理,包含:
4.根据权利要求2所述的基于孪生u-net神经网络的多模态遥感数据变化检测方法,其特征在于,将原始数据的地面高程模型dsm数据进行归一化处理,包含:
5.根据权利要求1所述的基于孪生u-net神经网络的多模态遥感数据变化检测方法,其特征在于,基于多模态目标数据并利用预训练的孪生神经网络模型对目标区域中不同时相下遥感影像中的地表变化进行检测,包含:
6.根据权利要求1或5所述的基于孪生u-net神经网络的多模态遥感数据变化检测方法,其特征在于,u-net神经网络结构中,编码器和解码器之间采用跳跃连接,以融合不同分辨率特征,其中,编码器采用多层感知机mlp提取目标数据多尺度特征并设置有用于减少特征图尺寸和模型参数数量的最大池化操作;解码器采用转置卷积对特征图进行逐层上采样以恢复原始特征图大小;且在编码器和解码器之间的跳跃连接中利用压缩激活运算机制来增强模型对多样化地物目标调整学习能力。
7.根据权利要求6所述的基于孪生u-net神经网络的多模态遥感数据变化检测方法,其特征在于,在编码器和解码器之间的跳跃连接中利用压缩激活运算机制来增强模型对多样化地物目标调整学习能力,包含:
8.根据权利要求6所述的基于孪生u-net神经网络的多模态遥感数据变化检测方法,其特征在于,在编码器和解码器之间的跳跃连接中利用压缩激活运算机制来增强模型对多样化地物目标调整学习能力,还包含:
9.根据权利要求1所述的基于孪生u-net神经网络的多模态遥感数据变化检测方法,其特征在于,孪生神经网络模型的预训练中,采用二元交叉熵作为二分类问题模型训练中的损失函数。
10.一种基于孪生u-net神经网络的多模态遥感数据变化检测系统,其特征在于,包含:数据处理模块和变化检测模块,其中,