نظرًا لعدم كفاية الكشف عن التغيرات الحالي، نقترح شبكة مبنية على مقياس الانتباه المُشرَّف بعمق (DSAMNet) للكشف عن التغيرات في الصور الثنائية الزمنية. تحتوي DSAMNet على وحدة اتخاذ قرار للتغير مدمجة بـ CBAM، والتي تتعلم خريطة التغير مباشرةً من الميزات المستخرجة من مُستخرج الميزات، بالإضافة إلى وحدة مساعدة للإشراف العميق لإنتاج نتائج تغيرية وسيطة تساعد في تدريب الطبقات المخفية. كما نقدّم معيارًا جديدًا يُسمى SYSU-CD، يحتوي على 20000 زوجًا من الصور بالكامل، لتدريب واختبار الطرق القائمة على التعلم العميق للكشف عن التغيرات. وقد أثبتت التجارب المقارنة على مجموعة بيانات SYSU-CD فعالية الطريقة المقترحة.