来源：期刊VIP网 时间：
作者：王雷全;童寿梁;耿辰东;
单位：中国石油大学(华东)青岛软件学院计算机科学与技术学院;中国石油大学(华东)山东省智能油气工业软件重点实验室;山东齐鲁石化工程有限公司;
摘要：多编码器和单解码器（multi encoder and single decoder,MESD）架构在变化检测中取得了成功，但在编码过程中平衡全局和局部特征方面面临挑战，导致特征表示不足。此外，这些方法通常依赖于单一解码器来解释来自多个编码器的信息，这可能无法充分利用所提供的丰富多样的信息，从而影响最终变化检测结果的准确性和精度。针对这些问题，提出一种交互式多编码器和多解码器网络，该网络利用交互式编码器来提取局部和全局特征，交互式编码器由卷积神经网络（convolutional neural network,CNN）和Transformer组成，并通过特征通信模块增强它们的交互。全局和局部差异解码器分别处理来自双时相图像的局部和全局特征，专注于特定类型的差异特征。最后，设计了空间-通道差异融合模块在空间和通道维度上自适应地融合局部和全局解码器获取的差异特征，以增强相关变化。与现有基于MESD网络的先进方法（ChangeForm）相比，该文所提算法在LEVIR-CD、WHU-CD和DESIF-CD数据集上分别获得了1.14%、5.68%和6.5%的F1分数提升。
关键词：遥感图像;;变化检测;;Transformer;;CNN
基金资助：中国石油大学(华东)研究生教育教学改革项目(YJG20230044);中国石油大学(华东)研究生精品示范课程建设项目(UPCYJP-2023-07);; 中国高等教育学会“校企合作双百计划”典型案例(GJXH-SBJHDX-2022157);; 国家自然科学基金项目(62071491);; 山东省本科教学改革研究重点项目(Z2023006);; 山东省研究生精品和优质课程(SDJKC2003008)
