DAAINet: Rede de Detecção de Mudanças Bi-Temporais com Adversário de Domínio para Anti-Interferência

A detecção de mudanças bi-temporais (CD) em sensoriamento remoto (RS) tem como objetivo mapear pares de imagens em diferentes momentos em um espaço de características compartilhado para discriminar regiões variantes de forma eficaz. No entanto, fatores como interferência de nuvens podem perturbar a distribuição de características das imagens de RS e causar problemas de pseudo-mudança. Os conjuntos de dados públicos existentes sobre detecção de mudanças também prestam menos atenção a esses fenômenos de pseudo-mudança. Para resolver os problemas de pseudo-mudança das aplicações de CD, propomos uma Rede de Detecção de Mudança Anti-Interferência Adversária de Domínio (DAAINet), que utiliza ResNet para extrair características multi-escala das imagens de entrada originais. As características semânticas são então obtidas e alimentadas em um módulo de convolução gráfica subsequente após um agrupamento suave, introduzindo uma estrutura adversária de domínio para alinhar o espaço de características nas imagens de RS. No módulo de convolução gráfica, a associação do contexto do nó é utilizada para prever a relação de adjacência entre os objetos. Coletamos dados e construímos um conjunto de dados do mundo real chamado “Detecção de Mudança com Interferência de Nuvens” (CICD), que se concentra em dados de imagens de sensoriamento remoto bi-temporais reais contendo interferência de nuvens e inclui pseudo-mudanças causadas por fatores como a presença de objetos temporários e mudanças de iluminação. Resultados experimentais demonstram que nosso método é mais robusto e eficiente em comparação com outros métodos de ponta em dois conjuntos de dados públicos de CD, e alcança desempenho de ponta no conjunto de dados CICD corrompido por ruído, superando métodos anteriores em até 5,67%p em IoU e 1,42%p em recall.