摘要
针对现有变化检测方法存在的不足，本文提出一种基于深度监督注意力度量的网络结构（DSAMNet），用于双时相图像变化检测。DSAMNet包含一个集成CBAM（Convolutional Block Attention Module）的变更决策模块，可直接从特征提取器输出的特征中学习变化图；同时引入一个辅助深度监督模块，生成中间变化结果，以辅助网络隐层的训练。此外，本文构建了一个新的基准数据集SYSU-CD，包含共计20000对图像，用于基于深度学习的变化检测方法的训练与测试。在SYSU-CD数据集上的对比实验结果验证了所提方法的有效性。
基准测试
| 基准 | 方法 | 指标 |
|---|---|---|
| change-detection-on-sysu-cd | DSAMNET | F1: 78.18 IoU: 64.18 Precision: 74.81 Recall: 81.86 |