文档名：基于边缘引导和动态可变形Transformer的遥感图像变化检测
摘要：卷积神经网络(ConvolutionalNeuralNetwork,CNN)和Transformer的混合架构能够有效建模图像的局部与全局特征,已成为遥感图像变化检测任务的主流网络.然而这类网络仍面临着一些挑战.CNN分支中的卷积和池化运算通常会抑制遥感图像中的高频信息,降低目标边界的精度;此外,Transformer分支对图像像素进行等同长程依赖关系建模,忽略了变化目标的形状及语义关联信息,导致网络对变化目标特征的表达不足.为解决上述问题,提出了基于边缘引导和动态可变形Transformer的遥感图像变化检测网络.在CNN分支中设计了边缘信息引导模块,利用高频信息增强目标区域的边缘信息,从而改善变化目标的轮廓精度.同时设计了一种新颖的动态可变形Transformer,能够自适应地匹配形状不同的变化目标,选择与变化相关的特征建模长程依赖关系,以提高网络的特征表达能力.实验结果表明,提出的方法在三个公开数据集LEVIR-CD、CDD和DSIFN-CD上显著提高了检测精度,在变化目标的边界精度和内部完整性方面都明显优于当前的主流网络.
作者：雷涛 翟钰杰 许叶彤 王营博 公茂果 Author：LEITao ZHAIYu-jie XUYe-tong WANGYing-bo GONGMao-guo
作者单位：陕西省人工智能联合实验室(陕西科技大学),陕西西安710021;陕西科技大学电子信息与人工智能学院,陕西西安710021西安电子科技大学协同智能系统教育部重点实验室,陕西西安710071
刊名：电子学报
Journal：ActaElectronicaSinica
年，卷(期)：2024, 52(1)
分类号：TP391
关键词：遥感图像 变化检测 高频信息 边缘信息 动态可变形Transformer
Keywords：remotesensingimages changedetection high-frequencyinformation edgeinformation dynamicallydeformableTransformer
机标分类号：TP391.41TP274TN911.73
在线出版日期：2024年4月16日
基金项目：基于边缘引导和动态可变形Transformer的遥感图像变化检测[
期刊论文] 电子学报--2024, 52(1)雷涛 翟钰杰 许叶彤 王营博 公茂果卷积神经网络(ConvolutionalNeuralNetwork,CNN)和Transformer的混合架构能够有效建模图像的局部与全局特征,已成为遥感图像变化检测任务的主流网络.然而这类网络仍面临着一些挑战.CNN分支中的卷积和池化运算通常会抑...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于边缘引导和动态可变形Transformer的遥感图像变化检测 Edge Guided and Dynamically Deformable Transformer Network for Remote Sensing Images Change Detection
基于边缘引导和动态可变形Transformer的遥感图像变化检测.pdf
- 文件大小:
- 2.42 MB
- 下载次数:
- 60
-
高速下载
|
|
