Neuüberlegung der Fernerkundungs-Änderungserkennung mit einer Maskenansicht
Die Fernerkundungs-Änderungserkennung zielt darauf ab, zwei oder mehr Bilder derselben Region, die zu unterschiedlichen Zeitpunkten aufgenommen wurden, miteinander zu vergleichen, um Veränderungen geographischer Objekte und Umweltfaktoren quantitativ und qualitativ zu bewerten. Die gängigen Modelle basieren in der Regel auf dem Pixel-für-Pixel-Änderungserkennungsparadigma, das aufgrund komplexer Szenen und variierender Aufnahmeeigenschaften keine Vielfalt von Veränderungen toleriert. Um diesen Nachteil zu beheben, überdenkt dieser Artikel die Änderungserkennung im Kontext des Maskenansatzes und stellt hierzu folgende zwei Beiträge vor: 1) die Meta-Architektur CDMask und 2) das Instanznetzwerk CDMaskFormer. Die Komponenten von CDMask umfassen einen Siamese-Backbone, einen Änderungsextraktor, einen Pixel-Decoder, einen Transformer-Decoder sowie einen normalisierten Detektor, die zusammen die ordnungsgemäße Funktionsweise des Maskendetektionsparadigmas gewährleisten. Da die Änderungsabfragen adaptiv auf der Grundlage des zeitlich-dualen Merkmalsinhalts aktualisiert werden können, ist das vorgeschlagene CDMask in der Lage, sich unterschiedlichen latenten Datensverteilungen anzupassen und somit in komplexen Szenarien präzise Gebiete mit interessierenden Veränderungen zu identifizieren. Daraus resultiert die weitere Einführung des auf die Änderungserkennung zugeschnittenen Instanznetzwerks CDMaskFormer, das folgende Komponenten enthält: (i) einen räumlich-zeitlichen, auf Faltungs-Attention basierenden instanziierten Änderungsextraktor, der räumlich-zeitliche Kontextinformationen mit geringem Rechenaufwand gleichzeitig erfassen kann; und (ii) einen szenegeleiteten axialen Attention-Instanz-Transformer-Decoder zur extrahierten detaillierterer räumlicher Informationen. CDMaskFormer erreicht auf fünf etablierten Benchmark-Datensätzen state-of-the-art-Leistungen mit einem zufriedenstellenden Kompromiss zwischen Effizienz und Genauigkeit. Der Quellcode ist unter https://github.com/xwmaxwma/rschange verfügbar.