利用卫星影像时间序列进行连续城市变化检测，包括时间特征优化和多任务集成

该研究提出了一种基于深度学习和遥感技术的城市变化检测方法，采用连续多时相卫星图像，结合自注意力和分割技术，有效地识别了城市变化，与其他方法相比表现更加出色。

本文提出了一种基于循环卷积神经网络的方法，联合学习多光谱图像的空间、谱域和时间特征，实现更好的变化检测结果。该方法具备端到端训练、自然利用空间信息和自适应学习多时相图像之间的时间依赖性等独特特性。实验证明该方法在多时相遥感图像分析中表现竞争性。