SARAS-Net : Réseau Siamese Prenant en Compte l'Échelle et les Relations pour la Détection de Changements

La détection de changement (CD) vise à identifier les différences entre deux images prises à des moments différents et à produire une carte de changement pour représenter si la région a subi des modifications ou non. Pour améliorer la qualité de génération de cette carte de changement, de nombreuses méthodes d'avant-garde (SoTA) conçoivent un modèle d'apprentissage profond doté d'une forte capacité discriminante. Cependant, ces méthodes obtiennent encore des performances inférieures car elles négligent les informations spatiales et les changements d'échelle entre les objets, ce qui entraîne des contours flous ou erronés. En outre, elles ignorent également les informations interactives entre les deux images différentes. Pour atténuer ces problèmes, nous proposons notre réseau, le Réseau Siamese Conscient de l'Échelle et des Relations (SARAS-Net), afin de traiter efficacement cette question. Dans cet article, trois modules sont présentés : conscient des relations, conscient de l'échelle et transformateur croisé, destinés à aborder plus efficacement le problème de détection de changement dans les scènes. Pour valider notre modèle, nous avons testé trois ensembles de données publics, incluant LEVIR-CD, WHU-CD et DSFIN, et avons obtenu une précision d'avant-garde (SoTA). Notre code est disponible sur https://github.com/f64051041/SARAS-Net.