CEBSNet：用于双时空变化检测的变更激发与背景抑制网络及时序依赖建模
计算机视觉与模式识别
2025-05-22 v1
摘要
变化检测是遥感和计算机视觉中的关键任务，旨在识别同一地理区域不同时刻捕获的图像对中像素级差异。由于光照变化、季节性变化、背景干扰以及拍摄角度等问题，尤其在图像间时间隔较大时，这一任务面临诸多挑战。虽然当前方法已取得进展，但往往忽视时序依赖性，同时过度强调显著变化而忽略同样重要的细微变化。为此，本文引入CEBSNet——一种具备时序依赖建模的变更激发与背景抑制网络用于变化检测。在特征提取阶段，我们利用简单的通道交换模块（CSM）来建模时序依赖性，减少差异和噪声。开发了特征激发与抑制模块（FESM），以捕获显著及细微变化，保持变化区域的完整性。此外，我们设计了金字塔感知空间-通道注意力模块（PASCA），以增强对不同尺寸变化区域的检测能力并聚焦于关键区域。我们在三个常见街景数据集和两个遥感数据集上进行了广泛实验，结果表明该方法实现了领先的性能。
引用
@article{arxiv.2505.15322,
title = {CEBSNet: Change-Excited and Background-Suppressed Network with Temporal Dependency Modeling for Bitemporal Change Detection},
author = {Qi'ao Xu and Yan Xing and Jiali Hu and Yunan Jia and Rui Huang},
journal= {arXiv preprint arXiv:2505.15322},
year = {2025}
}