面向遥感变化检测的难区域感知网络
计算机视觉与模式识别
2024-10-21 v2
摘要
变化检测（CD）对于城市管理、灾害评估等多种实际应用至关重要。已有众多 CD 方法被提出，近期也取得了可观的结果。然而，对于这些方法而言，检测难区域中的变化（即变化边界以及由背景杂波引起的无关伪变化）仍然困难，因为它们对双时相图像中所有区域施加了同等的注意力。本文提出一种新颖的变化检测网络，称为 HRANet，其通过难区域挖掘提供精确的变化图。具体而言，构建了一个在线难区域估计分支来建模逐像素难样本，并在训练过程中由预测变化图与对应真值之间的误差监督。引入跨层知识回顾模块，从低层到高层特征中蒸馏时序变化信息，从而增强特征表示能力。最后，将从在线难区域估计分支提取的难区域感知特征与多层次时序差异特征聚合为统一的特征表示，以提升 CD 的精度。在两个基准数据集上的实验结果证明了 HRANet 在 CD 任务中的优越性能。
引用
@article{arxiv.2305.19513,
title = {Hard Region Aware Network for Remote Sensing Change Detection},
author = {Zhenglai Li and Chang Tang and Xinwang Liu and Xingchen Hu and Xianju Li and Ning Li and Changdong Li},
journal= {arXiv preprint arXiv:2305.19513},
year = {2024}
}