摘要
遥感影像中的建筑物变化信息是灾害评估、城市动态管理的重要数据来源。高效、精准的建筑物变化检测模型对推动智慧城市建设和提升灾害响应能力具有重要意义。目前,通常采用复杂的深度卷积神经网络模型来提升检测精度,但模型的复杂性导致计算成本高、实时性不足,难以满足大规模遥感影像处理需求。为解决上述问题,文章提出一种基于轻量化卷积神经网络的建筑物变化检测方法,通过模型剪枝和深度可分离卷积技术优化网络结构,显著减少模型参数量和计算成本,同时保持高精度检测性能。实验结果表明,优化后的轻量化模型GPU内存占用降低26.14%,单张影像平均推理时间减少30.55%,MIoU精度提高至64.86%。该方法有效兼顾了模型轻量化与高精度要求,为灾害响应与城市管理等实际应用提供了高效解决方案。
