基于信息交互和融合网络的罗变化检测.
Yanni Zhang1, Lei Yang1, Caigen Zhou1
1School of Artificial Intelligence, Yancheng Teachers University, Yancheng, 224000, China.
Scientific reports
|August 10, 2025
概括
这项研究引入了一种用于变化检测的新型网络,改进了处理中间特征和建模时间关系的方式. 拟议的方法提高语义信息和网络性能,用于诸如灾难监测等应用.
科学领域:
- 遥感 遥感 遥感 遥感
- 计算机视觉 计算机视觉
- 人工智能的人工智能
背景情况:
- 变化检测对于诸如灾难监测,分析随时间变化的图像差异等应用至关重要.
- 现有的方法与中间特征约束和全面的时间关系建模作斗争.
- 当前方法中的简单的融合机制导致网络性能低于最佳.
研究的目的:
- 提出一个新的变化检测网络,解决当前方法的局限性.
- 为了更有效地增强语义信息和模拟双时间关系.
- 通过使用对比学习来改善中间特征的约束.
主要方法:
- 一个特征信息交互模块 (FIIM),利用空间注意力来增强语义信息.
- 一个特征对融合模块 (FPFM) 采用双分支结构用于双时间关系建模.
- 一种多尺度监督方法 (MSSM) 结合对比学习来实现中间特征约束.
主要成果:
- 拟议的网络在基准数据集 (CDD和LEVIR-CD) 上的最先进方法相比,显示出更高的性能.
- FIIM,FPFM和MSSM模块有效地增强了特征表示和时间建模.
- 实验结果验证了拟议方法在变化检测任务中的有效性.
结论:
- 开发的网络在变化检测准确度和特征表示方面提供了显著的改进.
- 拟议的模块为处理图像数据中复杂的时间依赖提供了一个强大的框架.
- 这项工作推动了变化检测领域的发展,特别是在时间序列图像分析和监控应用中.
