“针对普通跳跃连接在遥感影像变化检测中的局限性，以及编码器特征提取能力不足的问题，研究团队提出了一种新型的CBAM UNet+++网络结构。该网络结合了高分辨率遥感影像的变化检测需求，通过引入耦合注意力机制CBAM，有效提升了网络对全尺度变化信息的捕捉能力和编码器对显著特征的学习能力。在实验中，研究团队利用两种不同变化类型的高分辨率遥感影像变化检测数据集进行验证。结果显示，CBAM UNet+++在LEBEDEV多地物变化数据集上取得了最高精度，F1和OA值分别达到了88.9%和97.3%。而在LEVIR-CD建筑物变化数据集上，也获得了次高精度，F1和OA值分别为86.7%和96.8%。这些成果证明了CBAM UNet+++在遥感影像变化检测中的优越性能。此外，研究还发现，CBAM UNet+++能够有针对性地获取深层语义信息，定性结果优于其他基准网络。这一发现为遥感影像变化检测领域的研究提供了新的思路和方法，也为后续研究奠定了基础。”