基于进化多任务剪枝的SAR图像变化检测

吴涛; 黄祖镇; 黄龙; 徐一凡; 王海涛; 蔡津剑; 黄鹏辉

引用本文:	吴涛,黄祖镇,黄龙,徐一凡,王海涛,蔡津剑,黄鹏辉.基于进化多任务剪枝的SAR图像变化检测[J].上海航天（中英文）,2025,42(5):101-111.
	WU Tao,HUANG Zuzhen,HUANG Long,XU Yifan,WANG Haitao,CAI Jinjian,HUANG Penghui.SAR Image Change Detection Based on Evolutionary Muti-tasking Pruning[J].Aerospace Shanghai,2025,42(5):101-111.

【打印本页】【下载PDF全文】【】

本文已被：浏览 38次下载 27次

分享到：微信更多

字体:加大+|默认|缩小-

基于进化多任务剪枝的SAR图像变化检测

吴涛¹,黄祖镇¹,黄龙¹,徐一凡¹,王海涛²,蔡津剑¹,黄鹏辉³

1.南京电子技术研究所，江苏南京 210000;2.上海卫星工程研究所，上海，201109;3.上海交通大学电子信息与电气工程学院，上海，200240

摘要:

针对合成孔径雷达(SAR)图像变化检测问题，目前通常使用基于深度神经网络(DNN)端到端的方法，直接对多幅图形处理得到变化检测的结果。但该类方法与待检测数据直接相关，需针对数据进行模型设计和参数优化。本文提出了一种基于进化多任务优化剪枝的SAR图形变化检测方法，首先利用混合数据训练变化检测通用模型，解决单数据上高质量样本不足的问题;然后针对具体的变化检测问题，使用进化多任务神经网络剪枝方法从通用模型中提取适合当前问题的专用模型，并使用少量样本微调专用模型实现针对性问题的变化检测。在6组典型数据上的实验表明:该方法提取得到规模不到通用模型10%的专用模型，可实现与常规DNN相似的检测结果。

(1.Nanjing Institute of Electronic Technology，Nanjing 210000，Jiangsu，China;2.Shanghai Institute of Satellite Engineering，Shanghai 201109，China;3.School of Electronic Information and Electrical Engineering，Shanghai Jiao Tong University，Shanghai 200240，China)