论文阅读笔记：Remote Sensing Image Change Detection With Transformers

论文阅读笔记：Remote Sensing Image Change Detection With Transformers

论文题目： Remote Sensing Image Change Detection With Transformers
论文链接：https://ieeexplore.ieee.org/document/9491802
代码链接：https://github.com/justchenhao/BIT_CD
引用方式：

@Article{chen2021a,
    title={Remote Sensing Image Change Detection with Transformers},
    author={Hao Chen, Zipeng Qi and Zhenwei Shi},
    year={2021},
    journal={IEEE Transactions on Geoscience and Remote Sensing},
    volume={},
    number={},
    pages={1-14},
    doi={}
}

一、背景

1、名词介绍

\quad\quad ① CD： change detection，变化检测
\quad\quad ② BIT： a bitemporal image transformer，双时的图像Transformer
\quad\quad ③ RF： receptive field，感受野
\quad\quad ④ BERT： bidirectional encoder representations from transformer，双向编码表示Transformer

2、高分辨率(HR)卫星数据和航空数据的提供为在精细尺度上监测土地覆盖和土地利用开辟了新的途径。

3、变化检测框架目前有：

\quad\quad ① 一阶段： 直接将两个不同时间的图像进行融合，生成一个变化map。
\quad\quad ② 两阶段： 首先对两个不同时间的图像分别进行分类，然后再将分类结果进行对比。

二、动机

1、场景中物体的复杂性
2、不同的成像条件：这使得具有相同语义信息的物体在不同的时间和不同的空间位置上（时空）表现出不同的光谱特性。具体如下图所示：

三、方法

1. 识别场景中兴趣变化的高级语义信息
2. 从复杂的无关变化中区分真正的变化

具体的设计如下所示：

• 首先通过CNN分别提取两个时间图像的特征，
• 然后将两者级联（沿着特征空间分别进行融合）输入到Transformer Encoder中，
• 编码之后，再将两者的特征split输入到Transformer Decoder中，分别生成各自的特征图，
• 然后将其进行相减找到变化的部分，
• 最后经过几层卷积神经网络生成change map。
  

注：所有的内容仅供自己学习使用，如果任何问题，欢迎批评指正~
\quad 存在任何侵权问题，请私信于我~