一个基于边界检测和任务交互的语义变化检测网络,用于高分辨率遥感图像

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:

• 当前的语义变化检测 (SCD) 方法经常将语义细分 (SS) 和变化检测 (CD) 任务分开.
• 这种分离忽视了任务相关性在改善模型性能方面的潜在好处.
• 现有的方法可能无法充分利用确定变化地点和分类土地覆盖类型之间的相互作用.

研究的目的:

• 提出一种新的语义变化检测网络 (BT-SCD),通过多任务学习增强任务相关性.
• 提高土地覆盖和土地利用变化检测的准确性和稳定性.
• 通过结合边界检测来解决主流SCD方法的局限性.

主要方法:

• 引入了边界检测 (BD) 任务,以加强SS和CD任务在SCD框架内的关系.
• 拟议的像素级和logit级交互策略,以促进SS和CD任务之间的信息交换.
• 开发了一种双向变化特征提取模块,以有效地捕获时间变化信息.

主要成果:

• 拟议的BT-SCD网络在三个标准数据集和一个专门的NAFZ数据集上实现了最先进的性能.
• 整合BD任务和交互策略显示了SS和CD任务之间的积极加强.
• 双向特征提取模块有效地处理了比特模特征.

结论:

• 通过利用多任务学习和任务交互,BT-SCD模型在语义变化检测方面取得了重大进展.
• 提出的方法有效地提高了对土地覆盖面和土地利用动态的理解.
• BT-SCD为复杂的地理空间变化分析提供了更强大,更准确的解决方案.