面向高分辨率遥感影像语义变化检测的双时相语义推理
计算机视觉与模式识别
2022-05-04 v4 图像与视频处理
摘要
语义变化检测（SCD）将多类变化检测（MCD）任务拓展为不仅提供变化位置，还提供观测间隔前后详细的土地覆盖/土地利用（LCLU）类别。这种细粒度语义变化信息在许多应用中十分有用。近期研究表明，SCD可通过含两个时相分支与一个变化分支的三支卷积神经网络（CNN）建模。然而该架构中时相分支与变化分支间交互不足。为克服现有方法局限，我们提出一种新颖的SCD用CNN架构，其中语义时相特征在深度CD单元中融合。进一步细化该架构以推理双时相语义关联。所得到的双时相语义推理网络（Bi-SRNet）包含两类语义推理块以分别推理单时相与跨时相语义关联，以及一种提升变化检测结果语义一致性的新损失函数。在基准数据集上的实验表明，所提架构相较现有方法取得显著精度提升，而Bi-SRNet中的附加设计进一步改善了语义类别与变化区域的分割。本文代码见：github.com/ggsDing/Bi-SRNet。
引用
@article{arxiv.2108.06103,
title = {Bi-Temporal Semantic Reasoning for the Semantic Change Detection in HR Remote Sensing Images},
author = {Lei Ding and Haitao Guo and Sicong Liu and Lichao Mou and Jing Zhang and Lorenzo Bruzzone},
journal= {arXiv preprint arXiv:2108.06103},
year = {2022}
}
备注
Manuscript to IEEE TGRS