SAASNets:共享注意力聚合 语网络用于在多谱遥感中检测建筑变化

科学领域:

• 遥感 遥感 遥感 遥感
• 计算机视觉 计算机视觉
• 地理空间分析是什么

背景情况:

• 传统的卷积神经网络 (CNN) 遥感建筑变化检测方法受到受体场的限制,阻碍了详细的变化采集.
• 在CNN编码阶段冗余的信息重复使用会降低特征表示和检测性能.

研究的目的:

• 设计一个具有共享注意力聚合 (SAASNet) 的语网络,以改进多谱遥感建筑变化检测.
• 加强学习详细的建筑语义,克服现有方法的局限性.

主要方法:

• 引入了特别关注的嵌入模块,以促进多尺度特征交互和全球特征表示.
• 整合了通道和位置多头注意模块,用于编码位置细节和共享通道信息.
• 使用特征聚合模块与残余策略来融合多阶段的语网络特征,以检测各种建筑尺度和不规则物体.

主要成果:

• 拟议的SAASNet在建筑变化检测方面表现出卓越的准确性和稳定性.
• 对LEVIR-CD和CDD数据集的实验结果验证了设计网络的有效性.

结论:

• 开发的语网络有效地解决了传统的基于CNN的变化检测的局限性.
• SAASNet提供了一种有前途的方法,用于在多光谱遥感图像中准确和稳定地检测建筑物的详细变化.