リモートセンシング画像の意味変化検出は、生態環境、土地利用、土地被覆監視などの分野で重要な役割を果たしています。近年、深層学習に基づく変化検出手法はリモートセンシングの知能的解釈における注目の的となっています。しかし、既存の三分岐意味変化検出手法は変化分岐と意味分岐の一貫性のモデリングが不足しており、二時相意味変化検出に自己矛盾を招いています。本論文では、この問題に対処するため、双子CNNとTransformerに基づくリモートセンシング画像意味変化検出アルゴリズムを提案します。エンコーディング段階では、まず双子のResNet34ネットワークを設計して画像のマルチスケール特徴を抽出し、変化情報への注目度を高めるために差分強調モジュールを埋め込みます。次に、意味マーカーを使用して特徴マップをコンパクトな意味トークンにマッピングし、Transformerエンコーダを通じて二時相の意味情報と変化情報を共同でモデリングし、「意味―変化」の一貫性を構築します。デコーディング段階では、Transformerデコーダがスキップ接続を利用して異なる細粒度の意味情報を融合し、細分化された意味特徴マップを生成します。アップサンプリング復元後、マスク乗算を通じて二時相意味変化結果を得ます。リモートセンシング意味変化検出の公開データセットSECOND及びLandsat-SCDでの実験結果により、本提案アルゴリズムは変化領域に効果的に注目し、変化結果と意味結果の一貫性を維持し、優れた評価指標と視覚効果を達成することが示されました。

リモートセンシング画像;変化検出;意味的一貫性;差分強調;マルチスケール特徴;双子ネットワーク;ResNet34;Transformer