Remote Sensing Technology and Application, Volume. 39, Issue 5, 1115(2024)
A Multi-Class Object-Level Change Detection Method for Identifying Human Disturbance in Ecological Red Line Areas
Figures & Tables(13)
Fig. 2. The architecture of object-level change detection based on YOLO v5
Table 1.
Scene classification dataset taxonomy View tableView in ArticleTable 1.
Scene classification dataset taxonomy 一级人类活动 二级人类活动 数据数量/张 编码 类型 类型 01 矿产资源开发 矿石开采 9 715 采砂场 111 尾矿堆放地 2 385 02 工业开发 工厂 10 130 工业园 871 03 能源开发 水利水电设施 1 376 风电设施 74 051 光伏设施 6 555 火电设施 3 738 04 旅游开发 旅游用地/度假村 560 高尔夫球场 696 寺庙 919 05 交通开发 机场 1 241 港口/码头 910 铁路 560 硬化道路 600 其他道路 226 06 坑塘开挖 开挖沟渠 124 围填水域 610 07 农田 6 412 08 林地 7 363 09 草地 6 017 10 水域湿地 6 835 11 荒漠 175 12 居民点 1 804 13 其他开发活动 大棚 9 104 施工工地 7 121
Table 2.
Comparison of classification modelse on ImageNet-1k View tableView in ArticleTable 2.
Comparison of classification modelse on ImageNet-1k 模型 参数量
/M
浮点运算数
/G
top-1精度
/%
top-5精度
/%
ResNet18 11.69 1.82 69.9 89.43 EfficientNet-b0 5.29 0.42 76.74 93.17 MobileNet v2 3.5 0.32 71.86 90.42
Table 3.
The architecture of MobileNet v2 View tableView in ArticleTable 3.
The architecture of MobileNet v2 阶段 操作 分辨率 层数 步长 1 Conv2d 224×224×3 1 2 2 BottleNeck 112×112×32 1 1 3 BottleNeck 112×112×16 2 2 4 BottleNeck 56×56×24 3 2 5 BottleNeck 28×28×32 4 2 6 BottleNeck 14×14×64 3 1 7 BottleNeck 14×14×96 3 2 8 BottleNeck 7×7×160 1 1 9 Conv2d 1×1 7×7×320 1 1 10 AvgPool 7×7 7×7×1 280 1 - 11 Conv2d 1×1 1×1×1 280 -
Table 4.
Experimental environment configuration View tableView in ArticleTable 4.
Experimental environment configuration 硬件环境 软件环境 中央处理器： Intel Xeon E5-2620 操作系统： Linux
Ubuntu16.04
图形处理器： NVIDIA TITAN Xp 编程语言： Python3.8 内存： 128 GB 深度学习框架： Pytorch1.8
Table 5.
Comparison of change detection models View tableView in ArticleTable 5.
Comparison of change detection models 模型 精度/% 召回率/% APIoU=.50/% APIoU=.50：.05：.95/% FC-Siam-conc 40.64 59.50 20.60 9.70 FC-Siam-diff 49.23 49.73 25.90 13.90 CDNet 44.74 57.26 29.50 15.90 Ours 81.90 63.60 68.80 57.20
Table 6.
Comparation of scene classification models View tableView in ArticleTable 6.
Comparation of scene classification models 模型 召回率
/%
F1分数
/%
top-1精度
/%
top-5精度
/%
占用显存
/M
ResNet18 88.69 89.42 90.83 99.82 1 580 EfficientNet-b0 90.74 90.89 91.71 99.79 7 208 MobileNet v2 90.53 90.84 91.81 99.83 3 369
Tools
Get Citation
Copy Citation Text
Xiaokun GUAN, Xinsheng ZHANG, Luyang ZAN, Pan CHEN, Zhaoming WU, Yunfan XIANG, Mingyong CAI. A Multi-Class Object-Level Change Detection Method for Identifying Human Disturbance in Ecological Red Line Areas[J]. Remote Sensing Technology and Application, 2024, 39(5): 1115
Paper Information
Category:
Received: Jul. 15, 2023
Accepted: --
Published Online: Jan. 7, 2025
The Author Email:
© Copyright 2018-2021 | Chinese Laser Press.
All Rights Reserved 沪ICP备15018463号-20