HANet：一种用于双时相甚高分辨率遥感影像变化检测的层次注意力网络
计算机视觉与模式识别
2024-04-16 v1
摘要
得益于深度学习技术的发展，基于自动特征提取的深度学习算法在变化检测任务上取得了显著性能。然而，现有基于深度学习的变化检测方法的性能受到变化像素与未变化像素之间不平衡的阻碍。为了解决这个问题，本文提出了一种在不增加变化信息的基础上进行的渐进式前景平衡采样策略，以帮助模型在早期训练过程中准确学习变化像素的特征，从而提高检测性能。此外，我们设计了一个判别式孪生网络，即层次注意力网络，它可以整合多尺度特征并细化细节特征。HANet 的主要部分是 HAN 模块，这是一种轻量级且有效的自注意力机制。在两个标签极度不平衡的变化检测数据集上进行的大量实验和消融研究验证了所提方法的有效性和效率。
引用
@article{arxiv.2404.09178,
title = {HANet: A Hierarchical Attention Network for Change Detection With Bitemporal Very-High-Resolution Remote Sensing Images},
author = {Chengxi Han and Chen Wu and Haonan Guo and Meiqi Hu and Hongruixuan Chen},
journal= {arXiv preprint arXiv:2404.09178},
year = {2024}
}