Mar, 2024

高分辨率遥感图像中开放式矿边界和规模信息网络综合应用于变化检测

HTML
PDF
TL;DR该研究论文提出了一种综合邻域和尺度信息网络（INSINet），以在高分辨率遥感图像中进行露天矿变化检测。实验结果显示，将邻域和尺度信息融合到INSINet中可以提高F1得分，整体精度为97.69%，交并比为71.26%，F1得分为83.22%，对于高分辨率遥感图像中的露天矿变化检测具有重要意义。
发现论文，激发创造
  • GETNET：一种用于高光谱图像变化检测的通用二维卷积神经网络框架

    利用2D CNN框架处理高光谱图像变化检测问题，通过深度学习整合亚像素信息和多源信息，并提出新的HSI-CD数据集进行评估，实验结果表明该方法在真实数据集上优于现有算法。

    May, 2019

  • Dsfer-Net：基于现代 Hopfield 网络的深度监督和特征检索网络，用于双时相变化检测

    本文提出了一种新的基于深度学习的双时相遥感图像变化检测方法，使用全卷积连接的孪生网络进行高质量的特征提取，利用特征检索模块在深度监督下检索差异特征和利用其语义信息来设计更具可解释性的检测网络。在三个公共数据集上的实验结果表明，该方法明显优于现有的其他方法。

    Apr, 2023

  • SAAN：基于相似性感知的高分遥感图像变化检测的注意力流网络

    设计了一种新颖的相似性感知注意力流网络（SAAN），通过深度监督相似性优化来明确引导深度编码器层从双时相输入图像中发现语义关系；同时，引入相似性引导的注意力流模块和注意力流机制来引导模型关注具有区分性的通道和区域，达到高效的变化检测和语义一致性维护。

    Aug, 2023

  • 高分辨率遥感影像变化检测中的显式变化关系学习

    提出了一种网络架构以明确地挖掘变化关系特征，并通过全局信息和局部信息的两个方面从预变化图像特征、后变化图像特征和变化关系特征的角度完全提取和融合这三种变化特征，同时通过连续变化关系分支进一步获得连续和细致的变化关系特征，提高模型的变化判别能力。实验结果显示，与现有的先进网络相比，我们的网络在四个公共高分辨率遥感数据集上的变化检测方面表现更好，F1、IoU和OA等指标得到提升。

    Nov, 2023

  • Siamese Meets Diffusion Network: SMDNet 用于高分辨率遥感图像的改进变化检测

    提出了一种新的网络模型，使用深度学习进行遥感图像变化检测，该模型结合了Siam-U2Net特征差分编码器（SU-FDE）和去噪扩散隐式模型，改善了图像边缘变化检测的准确性，并增强了模型对环境变化的鲁棒性。

    Jan, 2024

  • HSONet：一种基于孪生前景关联驱动之难样本优化网络的高分辨率遥感图像变化检测方法

    在后期训练阶段，模型对于变化的判定能力的进一步提升依赖于变化检测模型学习难例的效果，这里有两个额外的挑战：(1) 变化标签有限且主要指向前景目标，而难例样本主要存在于背景中，导致损失函数优化更关注前景目标并忽略背景的难例，也就是所谓的不平衡；(2) 复杂情况，如光影、目标遮挡和季节变化，会导致难例样本的出现，而在没有监督和场景信息的情况下，模型很难直接学习难例样本以准确获取变化信息的特征表示，也就是所谓的缺失性。我们提出了一种基于Siamese前景关联驱动的难例样本优化网络(HSONet)。为了解决不平衡问题，我们提出了一种平衡优化损失函数，通过损失值的分布确定难例样本，并在损失项中引入动态权重，随着训练的进行逐渐将损失的优化焦点由前景转移到背景的难例上。为了解决缺失性问题，我们借助场景背景理解难例样本，提出了场景-前景关联模块，利用潜在的遥感空间场景信息对前景中的目标与相关背景之间的关联进行建模，获取场景嵌入，并将这些信息应用于难例样本的特征增强。在四个公开数据集上的实验证明，HSONet在难例样本检测方面表现优于当前最先进的变化检测方法。

    Feb, 2024

  • HANet:一种基于双时相高分辨率遥感图像的分层注意力网络用于变化检测

    通过深度学习技术的发展，本文提出了一种基于渐进前景平衡采样策略的深度学习模型来解决变化检测任务中改变和不改变的像素之间不平衡的问题，并设计了一种层次化注意力网络（HANet），以提高检测性能。

    Apr, 2024

  • RFL-CDNet：基于更丰富特征学习的准确变化检测

    利用更丰富的特征学习来提高变化检测性能，我们提出了一种名为RFL-CDNet的新型框架，该框架采用深度多重监督来增强中间表示，并设计了C2FG模块和LF模块来进一步改进特征学习和获得更具有区分性的特征表示。

    Apr, 2024

  • MFDS-Net: 远程感知变化检测的多尺度特征深度监督网络，融合全局语义和细节信息

    MFDS-Net 是一种基于全局语义和细节信息的多尺度特征深度监督网络，旨在更精细地描述变化的建筑和地理信息，增强变化目标的定位和弱特征的提取。

    May, 2024

  • MineNetCD: 远程感知影像中全球矿山变化检测的基准

    通过遥感技术，引入MineNetCD全球矿业变化检测的综合基准、建立全球矿业变化检测数据集，包括超过70,000个遥感图像，并构建了一种基于ChangeFFT模块的基准模型和一个统一的变化检测（UCD）框架，通过实验验证了方法的有效性。

    Jul, 2024