变化引导网络：结合变化先验以引导遥感影像中的变化检测
计算机视觉与模式识别
2024-04-16 v1 图像与视频处理
摘要
自动化人工智能算法和遥感仪器的快速发展使变化检测任务受益匪浅。然而，在精确检测方面仍有很大的研究空间，尤其是变化特征的边缘完整性和内部空洞现象。为了解决这些问题，我们设计了变化引导网络（CGNet），以解决先前方法采用的常规 U-Net 结构中变化特征表达不足的问题，该问题会导致边缘检测不准确和内部空洞。从具有丰富语义信息的深层特征生成的变化图被用作先验信息来引导多尺度特征融合，这可以提高变化特征的表达能力。同时，我们提出了一个名为变化引导模块（CGM）的自注意力模块，该模块可以有效地捕捉像素之间的长距离依赖关系，并有效克服传统卷积神经网络感受野不足的问题。在四个主要的变化检测数据集上，我们验证了 CGNet 的有用性和效率，大量实验和消融研究证明了 CGNet 的有效性。我们将在 https://github.com/ChengxiHAN/CGNet-CD 开源我们的代码。
引用
@article{arxiv.2404.09179,
title = {Change Guiding Network: Incorporating Change Prior to Guide Change Detection in Remote Sensing Imagery},
author = {Chengxi Han and Chen Wu and Haonan Guo and Meiqi Hu and Jiepan Li and Hongruixuan Chen},
journal= {arXiv preprint arXiv:2404.09179},
year = {2024}
}