LCD-Net：一种结合特征融合与门控机制的轻量化遥感变化检测网络
计算机视觉与模式识别
2024-10-17 v1 人工智能
摘要
遥感图像变化检测（RSCD）是监控动态表面变化的关键技术，广泛应用于环境监测和灾害评估等领域。虽然传统基于 CNN 的方法已改善了检测精度，但往往 suffer于高计算复杂度和大参数数量，限制了其在资源受限环境中的应用。为此，本文提出了一种轻量化遥感变化检测网络（LCD-Net 简称），在保持高检测性能的同时降低模型规模和计算成本。LCD-Net 采用 MobileNetV2 作为编码器高效提取 bitemporal 图像的特征。Temporal Interaction and Fusion Module（TIF）增强了 bitemporal 特征之间的相互作用，提高了对时间上下文的感知能力。此外，特征融合模块（FFM）聚合多尺度特征，以更好地捕捉细微变化并抑制背景噪声。解码器中的门控机制模块（GMM）通过动态调整通道权重来增强特征学习，强调关键变化区域。实验在 LEVIR-CD+、SYSU 和 S2Looking 数据集上进行，结果表明 LCD-Net 仅需 256 万参数和 4.45G FLOPs 即可实现竞争性能，适用于资源受限环境中的实时应用。代码已公开。
引用
@article{arxiv.2410.11580,
title = {LCD-Net: A Lightweight Remote Sensing Change Detection Network Combining Feature Fusion and Gating Mechanism},
author = {Wenyu Liu and Jindong Li and Haoji Wang and Run Tan and Yali Fu and Qichuan Tian},
journal= {arXiv preprint arXiv:2410.11580},
year = {2024}
}