一种用于遥感图像变化检测的双重注意力生成对抗网络
计算机视觉与模式识别
2023-10-04 v1 图像与视频处理
摘要
双时相遥感图像间的变化检测受到研究者日益增多的关注。然而，比较两幅双时相图像以检测变化具有挑战性，因为它们呈现不同外观。本文中，我们提出一种双重注意力生成对抗网络以实现极高分辨率遥感图像变化检测任务，该网络将检测模型视为生成器，并通过生成-对抗策略在不增加检测模型参数的情况下获取检测模型的最优权重，提升预测的空间连续性。此外，我们设计了一个多级特征提取器以有效融合多级特征，其采用预训练模型从双时相图像提取多级特征并引入聚合连接进行融合。为强化对多尺度目标的识别，我们提出多尺度自适应融合模块以通过不同感受野自适应融合多尺度特征，并设计上下文精炼模块以探索上下文依赖。此外，DAGAN 框架利用 4 层卷积网络作为判别器以辨别合成图像真伪。大量实验表明，在 LEVIR 数据集上 DAGAN 框架以 85.01% 平均 IoU 与 91.48% 平均 F1 分数取得优于先进方法的性能。
引用
@article{arxiv.2310.01876,
title = {A Dual Attentive Generative Adversarial Network for Remote Sensing Image Change Detection},
author = {Luyi Qiu and Xiaofeng Zhang and ChaoChen Gu and and ShanYing Zhu},
journal= {arXiv preprint arXiv:2310.01876},
year = {2023}
}