要約
変化検出はリモートセンシング（RS）画像解析において重要なタスクである。深層学習の発展とRSデータの増加に伴い、教師あり学習に基づく変化検出手法がますます増加している。本論文では、セマンティックセグメンテーションネットワークであるUNet++を改良し、完全畳み込み型シアンネットワーク（Siam-NestedUNet）を提案する。我々は、UNet++という強力な特徴抽出能力を持つバックボーンネットワークを前提として、3種類のシアン構造をそれぞれUNet++と組み合わせ、シアン構造が変化検出タスクに与える影響を検証した。さらに、Siam-NestedUNetが複数の出力を生成する特性に着目し、異なる意味レベルにおける出力の重要度を評価するための一連の実験を設計した。実験結果から、本手法は正確率、再現率、F1スコア、全体精度など複数の指標において大幅な向上を達成し、他の最先端（SOTA）変化検出手法と比較しても優れた性能を示した。本研究の実装コードは、https://github.com/likyoo/Siam-NestedUNet にて公開される予定である。