IDAN：用于变化检测的图像差异注意力网络
计算机视觉与模式识别
2022-08-18 v1
摘要
遥感图像变化检测在灾害评估和城市规划中具有重要意义。主流方法是使用编码器-解码器模型来检测两幅输入图像的变化区域。由于遥感图像的变化内容具有尺度范围宽、种类多样的特点，有必要通过增加注意力机制来提高网络的检测精度，常见注意力机制包括：Squeeze-and-Excitation模块、Non-local和Convolutional Block Attention Module等。这些方法考虑了通道间或通道内不同位置特征的重要性，但未能感知输入图像之间的差异。本文中，我们提出一种新颖的图像差异注意力网络(IDAN)。在图像预处理阶段，我们使用预训练模型提取两幅输入图像之间的特征差异以获得特征差异图(FD-map)，并使用Canny进行边缘检测以获得边缘差异图(ED-map)。在图像特征提取阶段，FD-map和ED-map分别输入到特征差异注意力模块和边缘补偿模块，以优化IDAN提取的特征。最后，通过特征差异操作获得变化检测结果。IDAN综合考虑了图像的区域和边缘特征差异，从而优化了提取的图像特征。实验结果表明，在WHU数据集和LEVIR-CD数据集上，IDAN的F1-score相比基线模型分别提升了1.62%和1.98%。
引用
@article{arxiv.2208.08292,
title = {IDAN: Image Difference Attention Network for Change Detection},
author = {Hongkun Liu and Zican Hu and Qichen Ding and Xueyun Chen},
journal= {arXiv preprint arXiv:2208.08292},
year = {2022}
}