SRC-Net: Bi-Temporal Spatial Relationship Concerned Network for Change Detection

要約

リモート センシング画像の変化検出 (CD) は、環境モニタリング、都市開発、災害管理の用途において重要なタスクです。
CD では、バイテンポラル画像を利用して時間の経過に伴う変化を識別します。
このプロセスでは、異なる時間における同じ場所にあるフィーチャ間の二時間的空間関係が重要な役割を果たします。
ただし、既存の変更検出ネットワークは、バイタイム特徴抽出および融合中にこれらの空間関係を十分に活用していないことがよくあります。
この研究では、CD のための二時間的空間関係に関係するネットワークである SRC-Net を提案します。
提案された SRC-Net には、空間関係を組み込み、特徴抽出の精度とロバスト性を高めるためにブランチ間の認識メカニズムを確立する認識およびインタラクション モジュールが含まれています。
さらに、現在の方法における情報損失に対処するために、パッチモード共同機能融合モジュールが導入されています。
さまざまな変化モードと空間関係を考慮し、より表現力豊かな融合機能を実現します。
さらに、これら 2 つの関係関連モジュールを使用して新しいネットワークを構築し、LEVIR-CD および WHU Building データセットに対して実験を行いました。
実験結果は、私たちのネットワークが適度なパラメータ数を維持しながら、最先端 (SOTA) 手法を上回るパフォーマンスを示していることを示しています。
私たちは、私たちのアプローチが変化検出の新しいパラダイムを確立し、この分野のさらなる進歩を促すと信じています。
コードとモデルは https://github.com/Chnja/SRCNet で公開されています。

要約(オリジナル)

Change detection (CD) in remote sensing imagery is a crucial task with applications in environmental monitoring, urban development, and disaster management. CD involves utilizing bi-temporal images to identify changes over time. The bi-temporal spatial relationships between features at the same location at different times play a key role in this process. However, existing change detection networks often do not fully leverage these spatial relationships during bi-temporal feature extraction and fusion. In this work, we propose SRC-Net: a bi-temporal spatial relationship concerned network for CD. The proposed SRC-Net includes a Perception and Interaction Module that incorporates spatial relationships and establishes a cross-branch perception mechanism to enhance the precision and robustness of feature extraction. Additionally, a Patch-Mode joint Feature Fusion Module is introduced to address information loss in current methods. It considers different change modes and concerns about spatial relationships, resulting in more expressive fusion features. Furthermore, we construct a novel network using these two relationship concerned modules and conducted experiments on the LEVIR-CD and WHU Building datasets. The experimental results demonstrate that our network outperforms state-of-the-art (SOTA) methods while maintaining a modest parameter count. We believe our approach sets a new paradigm for change detection and will inspire further advancements in the field. The code and models are publicly available at https://github.com/Chnja/SRCNet.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google