一种基于 Transformer 的孪生网络用于变化检测
计算机视觉与模式识别
2022-09-05 v7
摘要
本文提出了一种基于 transformer 的孪生网络架构（简称 ChangeFormer），用于从一对配准的遥感图像中进行变化检测（CD）。与近期基于全卷积网络（ConvNets）的 CD 框架不同，所提方法在孪生网络架构中统一了分层结构的 transformer 编码器与多层感知机（MLP）解码器，以高效呈现准确 CD 所需的多尺度长程细节。在两个 CD 数据集上的实验表明，所提端到端可训练的 ChangeFormer 架构取得了优于以往同类方法的 CD 性能。我们的代码可在 https://github.com/wgcban/ChangeFormer 获取。
引用
@article{arxiv.2201.01293,
title = {A Transformer-Based Siamese Network for Change Detection},
author = {Wele Gedara Chaminda Bandara and Vishal M. Patel},
journal= {arXiv preprint arXiv:2201.01293},
year = {2022}
}
备注
Accepted to International Geoscience and Remote Sensing Symposium (IGARSS), 2022. 4 pages, 2 figures. Code & trained models are available at https://github.com/wgcban/ChangeFormer