基于层注意力抗噪网络的合成孔径雷达图像变化检测
图像与视频处理
2022-10-05 v1 计算机视觉与模式识别
摘要
近年来，基于卷积神经网络（CNN）的合成孔径雷达（SAR）图像变化检测方法受到越来越多的研究关注。然而，现有的基于CNN的方法忽视了多层卷积之间的交互，且预分类中的误差限制了网络优化。为此，我们提出了一种基于层注意力的抗噪网络，称为LANTNet。具体而言，我们设计了一个层注意力模块，自适应地对不同卷积层的特征进行加权。此外，我们设计了一个抗噪损失函数，有效抑制了噪声标签的影响。因此，模型对预分类结果中的噪声标签不敏感。在三个SAR数据集上的实验结果表明，所提出的LANTNet优于几种最先进的方法。源代码可在 https://github.com/summitgao/LANTNet 获取。
引用
@article{arxiv.2208.04481,
title = {Synthetic Aperture Radar Image Change Detection via Layer Attention-Based Noise-Tolerant Network},
author = {Desen Meng and Feng Gao and Junyu Dong and Qian Du and Heng-Chao Li},
journal= {arXiv preprint arXiv:2208.04481},
year = {2022}
}
备注
Accepted by IEEE Geoscience and Remote Sensing Letters (GRSL) 2022, code is available at https://github.com/summitgao/LANTNet