【CAS-Net】基于比较的开放高分辨率无人机图像数据集变化检测网络（IEEE TGRS）

摘要

• 目前使用高分辨率遥感图像的CD方法需要大量的计算资源，并且容易受到图像中存在无关噪声的影响。
• 为此，提出了comparison-based attention Siamese network (CAS-Net)。
  • 该网络利用contrastive attention modules (CAMs)进行特征融合，并使用分类器来确定双时态图像patch的异同。它通过比较图像patch，简化了像素级的cd。因此，降低了图像背景噪声对变化预测的影响。
• 并且，利用高分辨率遥感图像建立了一个unmanned aerial vehicle (UAV) similarity detection (UAV-SD)数据集。该数据集包括10 000对无人机图像，大小为256×256。
• 在UAV-SD数据集上的实验表明，CAS-Net)优于其他CD网络。在UAV-SD数据集上的CAS-Net检测准确率为93.1%。
• 论文链接：CAS-Net: Comparison-Based Attention Siamese Network for Change Detection With an Open High-Resolution UAV Image Dataset | IEEE Journals & Magazine | IEEE Xplore
• 代码链接：https://github.com/tulingLab/CAS-Net

引言

下图表示由无人机捕获的双时态图像，其中图像(a)和图像(b)红框中的patch代表感兴趣的目标或物理特征，而黄色框中的patch代表研究中不需要的噪声或物理特征。

下图比较了像素级CD方法与基于比较的CD方法。两种方法都有一个编码器E，特征融合模块F，以及解码器D或分类器C。编码器（由权重共享的孪生网络组成ÿ