RDP-Net: شبكة حفظ تفاصيل المنطقة للكشف عن التغيرات

الكشف عن التغييرات (CD) هو تقنية مراقبة الأرض الأساسية التي تلتقط المعلومات الديناميكية للأجسام الأرضية. مع ظهور التعلم العميق، أظهرت شبكات العصبونات المتكررة (CNN) إمكانات كبيرة في الكشف عن التغييرات. ومع ذلك، فإن النماذج الحالية لـ CNN تقدم هياكل أساسية تفقد المعلومات التفصيلية أثناء عملية التعلم. بالإضافة إلى ذلك، تعد النماذج الحالية لـ CNN ثقيلة من حيث المعلمات، مما يحول دون نشرها على الأجهزة الحوافية مثل الطائرات بدون طيار.في هذا البحث، نواجه هذه المشكلة من خلال اقتراح RDP-Net: شبكة حفظ التفاصيل الإقليمية للكشف عن التغييرات. نقترح استراتيجية تدريب فعالة تقوم ببناء المهام التدريبية خلال فترة الدفء الأولي لتدريب شبكات العصبونات المتكررة وتدرب الشبكة من السهل إلى الصعب. تمكن هذه الاستراتيجية الشبكة من تعلم ميزات أكثر قوة باستخدام عدد أقل من العمليات العائمة (FLOPs) وتحقيق أداء أفضل.بعد ذلك، نقترح خسارة حوافية فعالة تزيد من العقوبات على الأخطاء في التفاصيل وتحسن انتباه الشبكة إلى التفاصيل مثل المناطق الحدودية والمساحات الصغيرة. علاوة على ذلك، نوفر نموذجًا لشبكات العصبونات المتكررة بهيكل أساسي جديد يحقق أداءً عمليًا رائدًا في الكشف عن التغييرات مع 1.70 مليون معلمة فقط.نأمل أن يفيد RDP-Net التطبيقات العملية للكشف عن التغييرات على الأجهزة المدمجة وأن يلهم المزيد من الناس لإحداث تطور جديد في مجال الكشف عن التغييرات باستخدام استراتيجية التدريب الفعالة. الرمز والموديل متاحان بشكل عام على الرابط https://github.com/Chnja/RDPNet.