HyRet-Change：一种用于遥感变检测的混合保留网络
计算机视觉与模式识别
2025-06-17 v1
摘要
最近的卷积和 transformer 基于变检测 (CD) 方法提供了有前景的性能，但卷积和全局依赖项如何有效交互以缓解伪变仍不明确。此外，直接利用标准自注意力存在内在局限性，包括限制全局特征表示捕获细微变化、二次复杂度以及受限训练并行性。为此，我们提出一种基于 Siamese 的框架，称为 HyRet-Change，该框架可在多尺度特征上无缝集成卷积和保留机制，以保留关键信息并在复杂场景中提高适应性。具体而言，我们引入一种新型特征差异模块，以并行方式捕获卷积和多头保留机制，以获取互补信息。此外，我们提出一种自适应局部-全局交互上下文感知机制，使其能够通过信息交换实现相互学习并增强判别能力。我们在三个具有挑战性的 CD 数据集上进行实验，实现了与现有方法相比的领先性能。我们的源代码已公开于 https://github.com/mustansarfiaz/HyRect-Change。
引用
@article{arxiv.2506.12836,
title = {HyRet-Change: A hybrid retentive network for remote sensing change detection},
author = {Mustansar Fiaz and Mubashir Noman and Hiyam Debary and Kamran Ali and Hisham Cholakkal},
journal= {arXiv preprint arXiv:2506.12836},
year = {2025}
}
备注
Accepted at IEEE IGARSS 2025