CDMamba : Intégration d'indices locaux dans Mamba pour la détection binaire des changements dans les images satellitaires

Récemment, l'architecture Mamba fondée sur les modèles d'espace d'état a fait preuve d'une performance remarquable sur une série de tâches de traitement du langage naturel, et a été rapidement adoptée pour les tâches de détection de changement en télédétection (CD). Toutefois, la plupart des méthodes améliorent le champ réceptif global en modifiant directement le mode de balayage de Mamba, tout en négligeant le rôle crucial de l'information locale dans les tâches de prédiction dense (par exemple, la CD binaire). Dans cet article, nous proposons un modèle appelé CDMamba, qui combine efficacement les caractéristiques globales et locales pour traiter les tâches de CD binaire. Plus précisément, nous introduisons le bloc Scaled Residual ConvMamba (SRCM), qui exploite la capacité de Mamba à extraire des caractéristiques globales tout en utilisant la convolution pour renforcer les détails locaux, afin de pallier le manque de précision fine dans les méthodes actuelles basées sur Mamba, qui peinent à capturer des indices détaillés dans les tâches de prédiction dense. En outre, en tenant compte des spécificités de l’interaction entre caractéristiques bi-temporelles requises pour la détection de changement, nous proposons le bloc Adaptive Global Local Guided Fusion (AGLGF), capable de faciliter dynamiquement l’interaction bi-temporelle grâce à une guidance fournie par d’autres caractéristiques globales ou locales d’une autre temporalité. Notre hypothèse repose sur le fait qu’en s’appuyant sur les caractéristiques temporelles complémentaires, il est possible d’extraire des caractéristiques de changement plus discriminantes. Des expériences étendues sur cinq jeux de données montrent que notre modèle CDMamba atteint des performances comparables aux méthodes actuelles (avec une amélioration de 2,10 % / 3,00 % et 2,44 % / 2,91 % respectivement en F1/IoU sur LEVIR+CD et CLCD). Le code source de notre travail est disponible à l’adresse suivante : https://github.com/zmoka-zht/CDMamba.