छवि परिवर्तनDetection के लिए एक स्यामेस स्विन-यूनेट

संक्षेप में, रिमोट सेंसिंग छवि प्रसंस्करण में परिवर्तन पहचान की समस्या दोनों ही कठिन और महत्वपूर्ण है। इसका उपयोग भूमि संसाधन नियोजन, कृषि पौधों की सेहत की निगरानी और पूर्वानुमान, और प्राकृतिक आपदाओं के निगरानी और आकलन जैसे विभिन्न क्षेत्रों में बड़े पैमाने पर किया जाता है। रिमोट सेंसिंग छवियां पृथ्वी के पर्यावरणीय निगरानी के लिए दीर्घकालिक और पूर्ण डेटा की एक बड़ी मात्रा प्रदान करती हैं। गहरे शिक्षण के त्वरित विकास के कारण बहुत प्रगति हुई है। लेकिन वर्तमान में प्रयुक्त अधिकांश गहरे शिक्षण-आधारित परिवर्तन पहचान तकनीकें प्रसिद्ध अवरक्त न्यूरल नेटवर्क (CNN) पर निर्भर करती हैं। हालाँकि, अवरक्त ऑपरेशन की स्थानीयता पर विचार करते हुए, CNN वैश्विक और दूरस्थ अर्थ जानकारी के आपसी संबंध को समझने में असमर्थ है। कुछ शोधों ने रिमोट सेंसिंग क्षेत्र में बुद्धिमान ट्रांसफार्मर को एक रीढ़ के रूप में उपयोग किया है। इन शोधों से प्रेरित होकर, इस पत्र में, हम स्याम-सविन-यूनेट नामक एक नेटवर्क प्रस्तुत करते हैं, जो रिमोट सेंसिंग छवि परिवर्तन पहचान के लिए यू-आकार की संरचना के साथ एक स्यामेस्ड शुद्ध ट्रांसफार्मर है। स्विन ट्रांसफार्मर एक पदानुक्रमित दृष्टि ट्रांसफार्मर है जिसमें स्थानांतरित खिड़कियां होती हैं जो वैश्विक विशेषता निकाल सकती हैं। स्थानीय और वैश्विक अर्थ विशेषता की जानकारी सीखने के लिए, दोहरे समय की छवियां स्याम-सविन-यूनेट में फीड की जाती हैं, जिसमें स्विन ट्रांसफार्मर, यूनेट स्यामेसनेट और दो विशेषता फ्यूजन मॉड्यूल शामिल हैं। जबकि यूनेट और स्यामेसनेट परिवर्तन पहचान के लिए प्रभावी हैं, हमने इसे मॉडल में लागू किया। विशेषता फ्यूजन मॉड्यूल दोहरे समय की छवि विशेषताओं के फ्यूजन के लिए डिज़ाइन किया गया है, और यह हमारे प्रयोगों द्वारा पुष्टि की गई है कि यह दक्ष और कम-गणना है। हमारे नेटवर्क ने CDD डेटा सेट (मौसम परिवर्तन) पर 94.67 F1 प्राप्त किया।