交换式双编码器-解码器：一种具有语义引导与空间定位的变更检测新策略
计算机视觉与模式识别
2023-11-21 v1
摘要
变更检测是地球观测应用中的一项关键任务。近年来，基于深度学习的方法展现出良好的性能，并迅速被应用于变更检测。然而，广泛使用的多编码器单解码器（MESD）以及双编码器-解码器（DED）架构仍难以有效处理好变更检测。前者在特征级融合中存在双时相特征干扰问题，而后者不适用于类内变更检测和多视角建筑物变更检测。为解决这些问题，我们提出了一种基于交换式双编码器-解码器结构的新策略，用于具有语义引导与空间定位的二值变更检测。该策略通过在决策级融合双时相特征解决了MESD中的双时相特征干扰问题，并通过利用双时相语义特征确定变化区域解决了DED的适用性问题。我们基于该策略构建了一个二值变更检测模型，并在三种场景下的六个数据集上与18种最先进的变更检测方法进行了验证和比较，包括类内变更检测数据集（CDD、SYSU）、单视角建筑物变更检测数据集（WHU、LEVIR-CD、LEVIR-CD+）以及一个多视角建筑物变更检测数据集（NJDS）。实验结果表明，我们的模型以高效率实现了优越性能，并在CDD、SYSU、WHU、LEVIR-CD、LEVIR-CD+和NJDS数据集上分别以97.77%、83.07%、94.86%、92.33%、91.39%、74.35%的F1分数优于所有基准方法。本工作的代码将发布于 https://github.com/NJU-LHRS/official-SGSLN。
引用
@article{arxiv.2311.11302,
title = {Exchanging Dual Encoder-Decoder: A New Strategy for Change Detection with Semantic Guidance and Spatial Localization},
author = {Sijie Zhao and Xueliang Zhang and Pengfeng Xiao and Guangjun He},
journal= {arXiv preprint arXiv:2311.11302},
year = {2023}
}