Dual-UNet：一种基于级联差分融合的孪生网络变化检测新方法
计算机视觉与模式识别
2022-08-15 v1
摘要
遥感图像变化检测(CD)是通过分析双时相图像之间的差异来检测变化区域，广泛应用于土地资源规划、自然灾害监测等领域。本研究提出了一种用于变化检测任务的新型孪生神经网络，即 Dual-UNet。与以往分别对双时相图像进行编码的方法不同，我们设计了一种编码器差分注意力模块，以聚焦于像素间的空间差异关系。为提高网络的泛化能力，该模块计算双时相图像中任意像素之间的注意力权重，并利用这些权重生成更具判别力的特征。为改进特征融合并避免梯度消失，在解码阶段提出了多尺度加权方差图融合策略。实验表明，所提方法在流行的季节变化检测数据集上持续优于最先进的方法。
引用
@article{arxiv.2208.06293,
title = {dual unet:a novel siamese network for change detection with cascade differential fusion},
author = {Kaixuan Jiang and Ja Liu and Fang Liu and Wenhua Zhang and Yangguang Liu},
journal= {arXiv preprint arXiv:2208.06293},
year = {2022}
}