# 毕业设计

**Repository Path**: nobodycode/Graduation-Project

## Basic Information

- **Project Name**: 毕业设计
- **Description**: 毕业设计代码仓库
- **Primary Language**: Python
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 2
- **Forks**: 0
- **Created**: 2022-04-24
- **Last Updated**: 2025-01-29

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 毕业设计

#### 内容摘要（主要应解决的问题、难点）：

掌握国土资源利用率和土地覆盖类型，是地理国情普查与监测的重要内容。高效获取准确、客观的土地利用情况，可以为国家和地方提供地理国情信息决策支撑。随着遥感、传感器技术的发展，特别是多时相高分辨率遥感影像数据的普及，使我们可以足不出户，就能掌握全球任一地表的细微变化。变化检测聚焦于建筑物的变化检测任务，即给定某地区的双时相遥感影像图像，要求获得该区域的建筑变化。


#### 主要任务：
通过对BIT模型进行改进，并应用于求解遥感影像变化检测任务。主要的工作包括：对原数据集进行数据增强以提高训练模型的泛化能力；针对样本不平衡问题对样本进行重采样；在计算交叉熵损失的时候加入权重因子，使模型更多的关注变化样本以及难区分样本的损失；使用正交试验将不同的超参数进行组合，并将得到的结果进行极差分析，确定对模型影响最大的因素和最佳的超参数组合方案；在原来BIT的骨干网络中加入空洞卷积池化金字塔模块（ASPP）用以提取多尺度图像特征，改善模型对多尺度目标的漏检和边界粗糙问题；同时，在ResBlock中加入双注意力机制（CBAM）用以提高模型的对变化像素的关注；最后，通过将AC-BIT模型与其他的模型进行对比分析，从实验结果中可以得出AC-BIT模型的综合效果要优于其他模型。