كشف تغيير معنى صور الاستشعار عن بُعد يلعب دورًا هامًا في مراقبة البيئة البيئية واستخدام الأراضي ورصد تغطية الأراضي وما إلى ذلك. في السنوات الأخيرة ، كانت طرق الكشف عن التغيير القائم على التعلم العميق محور اهتمام تفسير الاستشعار عن بُعد ، ومع ذلك ، فإن الطرق الحالية لكشف التغيير النصفية تفتقر إلى نمذجة الاتساق بين فرع التغيير وفرع المعنى ، مما يؤدي إلى تناقض التغيير النصفي في الوقت المزدوج. تجاه هذه المشكلة ، نقدم في هذه الورقة خوارزمية لكشف تغير معنى صور الاستشعار عن بُعد تعتمد على سمتي CNN و Transformer. في المرحلة الترميزية ، نصمم أولا شبكة ResNet34 متجانسة لاستخراج ميزات متعددة المقياس للصورة ، وندمج وحدة تعزيز الاختلاف لزيادة انتباه المعلومات التغيير ؛ ثم نستخدم محدد المعنى لرسم خريطة الميزات إلى رموز معنوية مدمجة ، ونستخدم مشفر Transformer لنمذجة المعلومات المستمدة من الوقت المزدوج والتغيير بشكل مشترك تحقيق الاتساق بين المعنى والتغيير. في مرحلة الفكرة ، نستخدم فك Transformer لربط القفزات لدمج المعلومات المعنوية على مستويات حبيبية مختلفة ، ونحصل على خريطة ميزات معنية معززة. بعد الاستعادة العالية ، يتم الحصول على نتائج تغيير معنى الوقت المزدوج من خلال عمليات الاستعادة والظلال. تظهر نتائج التجارب على مجموعات البيانات العامة الخاصة بكشف تغيير الدلالة البصرية والتجارب على Landsat-SCD أن الخوارزمية التي اقترحنا يمكن أن تركز بشكل فعال على مناطق التغيير وتحافظ على اتساق النتائج للتغيير والدلالة وتحقق الأداء الممتاز للمعايير التقييمية والأثر البصري.

صور الاستشعار عن بُعد ؛ كشف تغيير ؛ انسجام معنوي ؛ تحسين الفروق ؛ ميزات متعددة المقياس ؛ شبكة توأمية ؛ ResNet34 ؛ محول