深層学習技術の進展に伴い、自動特徴抽出を活用する深層学習ベースのアルゴリズムは、変化検出（Change Detection, CD）タスクにおいて顕著な性能を達成している。しかし、既存の深層学習ベースのCD手法は、変化したピクセルと変化していないピクセルの間の不均衡によって性能が制限されている。この問題に対処するために、本研究では変化情報の追加を一切行わずに、プログレッシブな前景バランスサンプリング戦略を提案する。この戦略により、学習初期段階においてモデルが変化したピクセルの特徴を正確に学習できるようになり、結果として検出性能の向上が図られる。さらに、マルチスケール特徴の統合と詳細特徴の精緻化を可能にする、識別力の高いシメイズネットワーク「階層的注意機構ネットワーク（Hierarchical Attention Network, HANet）」を設計した。HANetの核心となるのは、軽量かつ効果的な自己注意機構であるHANモジュールである。本手法の有効性と効率性は、ラベルの極端に不均衡な2つのCDデータセットを用いた広範な実験および消去実験により検証された。