TY - JOUR ID - 10.11834/jrs.20221548 TI - 注意力引导全尺度连接网络的高分辨率影像变化检测 AU - 刘英 AU - 何雪 AU - 李单阳 AU - 岳辉 VL - IS - PB - 科学出版社 SP - EP - PY - JF - 遥感学报 JA - UR - http://jors.ijournals.cn/jrs/ch/reader/view_abstract.aspx?file_no=202108100000001&flag=2 KW - 变化检测;UNet+++;注意力机制;编码解码 KW - change detection; UNet+++; attention mechanism; encoding and decoding AB - 针对普通跳跃连接缺乏从全尺度角度获取变化信息及编码器特征提取能力不足的问题,本文设计了一种耦合注意力机制(Convolutional Block Attention Module,CBAM)的UNet+++高分辨率遥感影像变化检测网络CBAM UNet+++。CBAM UNet+++基于融合全尺度特征的语义分割结构UNet+++,通过替换基本卷积单元为残差注意力模块(Residual Block_CBAM, ResBlock_CBAM)抑制背景影响,增强编码器对显著特征的学习能力。并在两种不同类型的高分辨率遥感影像变化检测数据集上进行验证。结果表明:该方法在LEBEDEV多地物变化数据集上取得最高精度,F1和OA值分别为88.9%、97.3%;在LEVIR-CD建筑物变化数据集上取得次高精度,F1和OA值分别为86.7%、96.8%;同时,该方法从定性及定量角度分析优于其它基准网络,对变化检测网络结构设计起到一定参考作用。 ER -