面向甚高分辨率遥感图像变化检测的轻量级结构感知 Transformer 网络
计算机视觉与模式识别
2023-06-06 v1
摘要
流行的 Transformer 网络已成功应用于遥感（RS）图像变化检测（CD）识别，并取得优于大多数卷积神经网络（CNN）的结果，但它们仍存在两个主要问题。首先，Transformer 的计算复杂度随图像空间分辨率的增加呈二次增长，这不利于甚高分辨率（VHR）RS 图像。其次，这些流行的 Transformer 网络往往忽略细粒度特征的重要性，导致大变化目标的边缘完整性与内部紧密性较差，并造成小变化目标的丢失。为解决上述问题，本文提出一种用于 RS 图像 CD 的轻量级结构感知 Transformer（LSAT）网络。所提 LSAT 具有两个优势。首先，设计了一种具有线性复杂度的跨维度交互自注意力（CISA）模块来替代视觉 Transformer 中的原始自注意力，在有效降低计算复杂度的同时提升了 LSAT 的特征表示能力。其次，设计了一种结构感知增强模块（SAEM）以增强差异特征与边缘细节信息，通过差异精炼与细节聚合实现双重增强，从而获得双时相 RS 图像的细粒度特征。实验结果表明，所提 LSAT 在检测精度上取得显著提升，并在精度与计算成本之间比大多数最先进的 VHR RS 图像 CD 方法提供了更好的权衡。
引用
@article{arxiv.2306.01988,
title = {Lightweight Structure-aware Transformer Network for VHR Remote Sensing Image Change Detection},
author = {Tao Lei and Yetong Xu and Hailong Ning and Zhiyong Lv and Chongdan Min and Yaochu Jin and Asoke K. Nandi},
journal= {arXiv preprint arXiv:2306.01988},
year = {2023}
}