dual unet:a novel siamese network for change detection with cascade differential fusion

要約

リモートセンシング画像の変化検出 (CD) は、2 つのバイテンポラル画像の違いを分析して変化領域を検出することです。
土地資源計画、自然災害の監視などの分野で広く使用されています。
私たちの研究では、変化検出タスクのための新しいシャム ニューラル ネットワーク、つまり Dual-UNet を提案します。
以前の個別にエンコードされたバイテンポラル画像とは対照的に、ピクセルの空間的差異関係に焦点を当てるエンコーダ差分注意モジュールを設計します。
ネットワークの一般化を改善するために、バイテンポラル イメージ間の任意のピクセル間のアテンション ウェイトを計算し、それらを使用してより識別可能な機能を生成します。
特徴融合を改善し、勾配消失を回避するために、マルチスケール加重分散マップ融合戦略を復号化段階で提案します。
実験は、提案されたアプローチが、一般的な季節変化検出データセットに対する最も高度な方法よりも一貫して優れていることを示しています。

要約(オリジナル)

Change detection (CD) of remote sensing images is to detect the change region by analyzing the difference between two bitemporal images. It is extensively used in land resource planning, natural hazards monitoring and other fields. In our study, we propose a novel Siamese neural network for change detection task, namely Dual-UNet. In contrast to previous individually encoded the bitemporal images, we design an encoder differential-attention module to focus on the spatial difference relationships of pixels. In order to improve the generalization of networks, it computes the attention weights between any pixels between bitemporal images and uses them to engender more discriminating features. In order to improve the feature fusion and avoid gradient vanishing, multi-scale weighted variance map fusion strategy is proposed in the decoding stage. Experiments demonstrate that the proposed approach consistently outperforms the most advanced methods on popular seasonal change detection datasets.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google