来源：期刊VIP网 时间：
作者：罗季;王晓红;杨祎斐;肖剑;
单位：贵州大学矿业学院;
摘要：针对遥感图像建筑物变化检测中变化对象和背景之间边界模糊、特征损失严重以及错检、漏检等问题，文中提出基于改进Swin Transformer的遥感图像建筑物变化检测方法。该方法在4个Swin Transformer block之后嵌入全局通道空间注意力（GCSA）模块，来捕捉通道与空间维度的依赖关系，降低在特征提取中的信息损失，从而对全局特征的利用更加充分，提升边界划分的检测能力。将方法在公开数据集LEVIR-CD和WHU-CD上进行训练和测试，与原Swin Transformer相比，新网络在两个数据集上的总体精度（Acc）分别提高了0.51%和0.49%，交并比（IoU）分别提高了6.79%和6.40%，有效提高了建筑物变化区域的识别精度。
关键词：遥感图像;;变化检测;;Swin Transformer;;通道注意力;;空间注意力;;特征提取;;信息损失;;边界划分
