基于带注意力机制的全卷积孪生拼接网络的城市变化检测
计算机视觉与模式识别
2021-02-02 v1 机器学习
图像与视频处理
摘要
变化检测(CD)是遥感中的一个重要问题，尤其在灾害时期用于城市管理。大多数现有的传统变化检测方法基于像素或对象进行分类。在处理甚高分辨率遥感(VHR RS)图像时，基于对象的方法优于基于像素的方法。此类方法可受益于深度学习持续的研究。本文提出了一种在VHR RS图像上的全自动变化检测算法，其部署了全卷积孪生拼接网络(FC-Siam-Conc)。所提方法使用预处理与注意力门层来提高精度。高斯注意力(GA)作为一种软视觉注意力机制被用于预处理。GA帮助网络像生物视觉系统一样处理特征图。由于GA参数无法在网络训练期间调整，引入了注意力门层以扮演GA的角色，其参数可与其他网络参数一同被调优。在Onera卫星变化检测(OSCD)与RIVER-CD数据集上获得的实验结果证实了所提架构相对于最先进算法的优越性。
引用
@article{arxiv.2102.00501,
title = {Urban Change Detection by Fully Convolutional Siamese Concatenate Network with Attention},
author = {Farnoosh Heidary and Mehran Yazdi and Maryam Dehghani and Peyman Setoodeh},
journal= {arXiv preprint arXiv:2102.00501},
year = {2021}
}