Key points are not available for this paper at this time.
변화 감지는 원격 감지(RS) 이미지 분석에서 중요한 작업입니다. 이는 자연 재해 모니터링 및 평가, 토지 자원 계획 등 다양한 분야에서 널리 사용됩니다. 픽셀 대 픽셀 예측 작업으로서, 변화 감지는 원래 위치 정보를 활용하는 데 민감합니다. 최근 변화 감지 방법은 깊은 변화 의미적 특성의 추출에 초점을 맞추지만, 고해상도 및 세밀한 특성을 포함하는 얕은 층 정보의 중요성을 무시하는 경우가 많아, 이는 변경된 대상의 가장자리에서 픽셀의 불확실성과 작은 대상의 판단 누락으로 이어집니다. 본 논문에서는 변화 감지를 위해 밀접 연결된 쌍둥이 네트워크인 SNUNet-CD(쌍둥이 네트워크와 NestedUNet의 조합)를 제안합니다. SNUNet-CD는 인코더와 디코더 간, 디코더와 디코더 간의 압축된 정보 전송을 통해 신경망의 깊은 층에서 위치 정보 손실을 완화합니다. 또한, 심층 감독을 위한 집합 채널 주의 모듈(ECAM)이 제안됩니다. ECAM을 통해 서로 다른 의미 수준에서 가장 대표적인 특성을 정제하고 최종 분류에 사용할 수 있습니다. 실험 결과는 우리의 방법이 많은 평가 기준에서 크게 개선되었으며, 다른 최신 변화 감지 방법보다 정확도와 계산량 간의 균형이 더 좋음을 보여줍니다.
Fang et al. (Thu,)는 이 문제를 연구했습니다.