多任务语义变化检测以时空语义交互为指导
Yinqing Wang1, Liangjun Zhao2,3, Yueming Hu4
1Sichuan University of Science and Engineering, Yibin, 644000, China.
Scientific reports
|May 9, 2025
概括
本研究介绍了STGNet,这是一个用于语义变化检测 (SCD) 的新型网络,通过整合时空语义交互来提高准确性. 该方法增强了空间细节捕获和跨时间特征融合,在识别土地覆盖变化方面表现优于现有的方法.
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:
- 语义变化检测 (SCD) 对于遥感图像分析至关重要,但在捕获空间细节和时间依赖性方面面临挑战.
- 现有的方法在变化类别不平衡和有限的准确性方面扎,特别是对于小目标.
- 不充分的特征提取和语义信息和变化区域之间的不一致性阻碍了性能.
研究的目的:
- 提出一个新的网络,STGNet,用于多任务语义变化检测,以时空语义交互为指导.
- 为了增强空间细节的捕获,并改善复杂场景中的特征提取.
- 解决语义信息和更改区域之间的不一致性,以提高检测准确度.
主要方法:
- 引入了详细感知路径 (DAP) 来增强空间细节捕获.
- 设计了一种双向导向模块,用于自适应性特征选择.
- 开发了一种跨时间精制交互模块 (CTIM),具有动态深度可分离的卷积,用于跨时间尺度的特征融合和交互.
主要成果:
- 与现有方法相比,STGNet在三个SCD数据集中表现出卓越的性能.
- 在Landsat-SCD数据集上获得了91.64%的F1评分 (F1scd).
- 提高了卡帕分离系数17.68%,表明检测变化的精度提高.
结论:
- STGNet显著提高了语义变化检测的准确性,稳定性和概括能力.
- 拟议的时空语义交互有效地解决了以前的SCD方法的局限性.
- 该方法显示了远程传感图像分析中的实用应用的巨大潜力.
