L’objectif principal de la détection des changements sémantiques est d’identifier avec précision les processus complexes de changement de la couverture terrestre et de déterminer simultanément leurs catégories sémantiques correspondantes. Les recherches actuelles montrent que l’utilisation de branches séparées de localisation des changements et de reconnaissance sémantique pour collaborer à la détection des changements sémantiques est une solution fiable à ce problème. Cependant, les cadres existants n’intègrent souvent pas suffisamment ni n’utilisent les informations sémantiques des objets pour guider le processus de reconnaissance des changements, ce qui limite dans une certaine mesure la capacité du modèle à détecter avec précision les changements dans des scènes complexes. Pour remédier à cela, cet article propose le réseau de perception collaborative spatio-temporelle guidée par la sémantique SemSTNet (Semantic-guided Spatio-Temporal Collaborative Perception Network), qui, en considérant l’interaction spatio-temporelle des caractéristiques à double phase temporelle, guide sémantiquement la détection précise des zones de changement. Plus précisément, un module différentiel spatio-temporel symétrique a été construit, utilisant une modulation bidirectionnelle des caractéristiques pour réaliser un recalibrage mutuel des caractéristiques inter-phases temporelles, avec une convolution différentielle 3D pour découpler la réponse des changements dans les dimensions spatio-temporelles ; ensuite, un décodeur de fusion à porte sémantique a été conçu avec un mécanisme de pondération dynamique de la similarité sémantique, générant des priorités sémantiques par une carte de similarité cosinus, et renforçant l’expression saillante des zones de changement réelles par une fusion adaptative à portes ; enfin, une perte de contraste sémantique profonde a été conçue pour construire un signal de supervision double, contraignant la cohérence sémantique des zones non modifiées dans l’espace des caractéristiques et étendant la distance entre les classes des zones modifiées et non modifiées. Des expériences étendues sur deux ensembles de données de détection de changements sémantiques montrent que le modèle proposé surpasse significativement les autres méthodes avancées de détection des changements sémantiques tant en évaluation qualitative que quantitative.

images de télédétection;couver ture terrestre;détection des changements sémantiques;collaboration spatio-temporelle;guidage sémantique