Core Concepts
提出了一种渐进式前景平衡采样(PFBS)策略和层次注意力网络(HANet)模型,以有效解决高分辨率遥感影像变化检测中的样本不平衡问题,并提高检测性能。
Abstract
本文提出了一种用于高分辨率双时相遥感影像变化检测的方法。首先,作者提出了一种渐进式前景平衡采样(PFBS)策略,在不增加变化信息的情况下,帮助模型在训练初期准确学习前景图像的特征,从而提高检测性能。其次,作者设计了一个更具辨别性的孪生网络HANet,能够集成多尺度特征并细化详细特征。HANet的核心是HAN模块,这是一种轻量级且有效的自注意力机制。最后,在两个极度不平衡的二进制变化检测数据集上进行了广泛的实验和消融研究,验证了所提方法的有效性和效率。
Stats
在WHU-CD数据集上,HANet的F1-score达到88.16%,优于其他方法。
在LEVIR-CD数据集上,HANet的F1-score达到90.28%,优于其他方法。
Quotes
"提出了一种渐进式前景平衡采样(PFBS)策略,在不增加变化信息的情况下,帮助模型在训练初期准确学习前景图像的特征,从而提高检测性能。"
"设计了一个更具辨别性的孪生网络HANet,能够集成多尺度特征并细化详细特征。HANet的核心是HAN模块,这是一种轻量级且有效的自注意力机制。"