كشف التغير هو مهمة مهمة في تحليل الصور المستمدة من الاستشعار عن بعد (RS). ويُستخدم على نطاق واسع في رصد وتقييم الكوارث الطبيعية، والتخطيط الموارد الأرضية، وفئات أخرى من التطبيقات. وبما أن كشف التغير يُعد مهمة تنبؤية على مستوى البكسل، فإنه حساس للغاية تجاه استغلال المعلومات المكانية الأصلية. تركز الطرق الحديثة لكشف التغير بشكل دائم على استخلاص الميزات الشكلية العميقة للتغير، لكنها تتجاهل الأهمية البالغة للمعلومات من الطبقات السطحية التي تحتوي على ميزات عالية الدقة ودقيقة التفاصيل، مما يؤدي غالبًا إلى عدم يقين في تحديد البكسلات الواقعة على حدود الكائنات المتغيرة، وفقدان الكشف عن الكائنات الصغيرة. في هذه الورقة، نقترح شبكة سيماسية متصلة بشكل كثيف لكشف التغير، تُعرف باسم SNUNet-CD (الدمج بين الشبكة السيماسية وشبكة NestedUNet). تخفف SNUNet-CD من فقدان معلومات التحديد في الطبقات العميقة للشبكة العصبية من خلال نقل معلومات مكثف بين وحدة التشفير ووحدة فك التشفير، وبين وحدتي فك التشفير. بالإضافة إلى ذلك، نقترح وحدة التحكم في القنوات المجمعة (ECAM) لتوفير مراقبة عميقة. من خلال ECAM، يمكن تحسين الميزات الأكثر تمثيلية على مستويات شكلية مختلفة واستخدامها في التصنيف النهائي. أظهرت نتائج التجارب تحسنًا كبيرًا في العديد من معايير التقييم، مع تحقيق توازن أفضل بين الدقة وكمية الحسابات مقارنة بطرق كشف التغير الرائدة (SOTA) الأخرى.