ChangeBind: A Hybrid Change Encoder for Remote Sensing Change Detection

要約

変更検出 (CD) は、リモート センシング (RS) の基本的なタスクであり、異なるタイムスタンプで同じ地理的領域間の意味上の変更を検出することを目的としています。
既存の畳み込みニューラル ネットワーク (CNN) ベースのアプローチでは、長距離の依存関係を把握するのに苦労することがよくあります。
一方、最近のトランスフォーマー ベースの方法は、グローバル表現が支配的になる傾向があり、シーン内のオブジェクトの複雑さにより、微妙な変化領域をキャプチャする機能が制限される可能性があります。
これらの制限に対処するために、バイテンポラル RS 画像で発生する意味の変化をエンコードするための効果的なシャムベースのフレームワークを提案します。
私たちの設計の主な焦点は、ローカルおよびグローバルのフィーチャ表現を活用して、マルチスケール フィーチャから微妙な変更フィーチャ情報と大きな変更フィーチャ情報の両方を取得して、変更領域を正確に推定する変更エンコーダを導入することです。
2 つの困難な CD データセットに関する実験的研究により、私たちのアプローチの利点が明らかになり、最先端のパフォーマンスが得られます。

要約(オリジナル)

Change detection (CD) is a fundamental task in remote sensing (RS) which aims to detect the semantic changes between the same geographical regions at different time stamps. Existing convolutional neural networks (CNNs) based approaches often struggle to capture long-range dependencies. Whereas recent transformer-based methods are prone to the dominant global representation and may limit their capabilities to capture the subtle change regions due to the complexity of the objects in the scene. To address these limitations, we propose an effective Siamese-based framework to encode the semantic changes occurring in the bi-temporal RS images. The main focus of our design is to introduce a change encoder that leverages local and global feature representations to capture both subtle and large change feature information from multi-scale features to precisely estimate the change regions. Our experimental study on two challenging CD datasets reveals the merits of our approach and obtains state-of-the-art performance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google