MaskCD：基于掩膜分类的遥感变化检测网络
原文约300字，阅读约需1分钟。发表于：。通过自适应生成分类掩蔽层检测变化区域，本论文提出了一种基于遮罩预测和分类的变化检测方法 (MaskCD)，它利用交叉级别变化感知器来学习多尺度的变化感知表示，并通过利用可变形多头自注意力机制来捕捉编码特征中的时空关系。随后，通过基于遮罩注意力和自注意力机制的遮罩注意力检测变换器 (MA-DETR) 解码器，准确定位和识别变化对象。实验结果表明，该方法在五个基准数据集上优于其他最先进模型。在线上可获得代码和预训练模型。
本论文提出了一种基于遮罩预测和分类的变化检测方法，通过自适应生成分类掩蔽层检测变化区域。实验结果表明，该方法在五个基准数据集上优于其他最先进模型。
