SRC-Net：用于变化检测的人类-时空关系关注网络

遥感影像中的变化检测是一项关键任务，具有环境监测、城市发展和灾害管理等应用价值。变化检测涉及利用时空双图像来识别随时间的变化。特征在不同时刻相同位置之间的时空关系在此过程中发挥着关键作用。然而，现有的变化检测网络在特征提取和融合过程中通常未充分利用这些时空关系。本文提出了SRC-Net：一种关注时空关系的变化检测网络。所提出的SRC-Net包括感知与交互模块，该模块包含时空关系并建立跨分支感知机制，以增强特征提取的精确度和鲁棒性。此外，引入了基于Patch-Mode的联合特征融合模块，以解决当前方法中的信息损失问题。该模块考虑不同的变化模式并关注时空关系，从而产生更具表征性的融合特征。我们构建了使用这两个关系关注模块的新型网络，并在LEVIR-CD和WHU建筑数据集上进行实验。实验结果表明，该网络在保持适中参数规模的同时优于当前最先进(SOTA)方法。我们认为该方法为变化检测设定了新的范式，并将激发该领域的进一步发展。代码和模型已公开提供于https://github.com/Chnja/SRCNet。