SARAS-Net：用于变化检测的尺度与关系感知孪生网络
计算机视觉与模式识别
2022-12-05 v1 人工智能
摘要
变化检测（CD）旨在发现两幅不同时相图像之间的差异，并输出变化图以表示区域是否发生变化。为了在生成变化图方面取得更好的结果，许多当前最优（SoTA）方法设计了具有强大判别能力的深度学习模型。然而，这些方法性能仍然较低，因为它们忽略了空间信息以及物体间的尺度变化，导致边界模糊或错误。除此之外，它们还忽视了两幅不同图像之间的交互信息。为缓解这些问题，我们提出了自己的网络——尺度与关系感知孪生网络（SARAS-Net）来处理该问题。本文提出了三个模块，包括关系感知、尺度感知和交叉Transformer，以更有效地解决场景变化检测问题。为验证我们的模型，我们测试了三个公开数据集，包括LEVIR-CD、WHU-CD和DSFIN，并取得了SoTA精度。我们的代码可在 https://github.com/f64051041/SARAS-Net 获取。
引用
@article{arxiv.2212.01287,
title = {SARAS-Net: Scale and Relation Aware Siamese Network for Change Detection},
author = {Chao-Peng Chen and Jun-Wei Hsieh and Ping-Yang Chen and Yi-Kuan Hsieh and Bor-Shiun Wang},
journal= {arXiv preprint arXiv:2212.01287},
year = {2022}
}