论文部分内容阅读
利用传统统计方法与机器学习方法对街景影像进行变化检测时,存在精度低、鲁棒性差和泛化能力弱等问题。因此提出一种微调的DeeplabV3+网络街景影像变化检测方法。首先将街景数据集和Camvid数据集合为联合数据集,用于微调的DeeplabV3+网络训练;然后将训练得到的模型用于街景影像分类,并采用变化向量分析获取差异影像;最后对差异影像进行二值化和精度评价。研究结果表明,该方法正确率比大津法、K均值法提升25%以上,同时具有较强的鲁棒性和泛化能力,是一种可行的街景影像变化检测方法。