合成孔径雷达图像变化检测卷积和注意力混合模型
原文中文，约200字，阅读约需1分钟。发表于：。采用类 Transformer 的 CAMixer 结构结合全局注意力机制进行合成孔径雷达图像变化检测，通过并行设计将自注意力和平移卷积相结合，实现全局语义信息的捕获，并同时进行局部特征提取，并采用门控机制来增强非线性特征变换，进而提高对杂波噪声的高质量表示。经过在三个合成孔径雷达数据集上的广泛实验验证，CAMixer 模型展现出卓越的性能。
本文提出了一种名为DASNet的全卷积连体网络，通过双注意力机制提高模型的识别性能，并通过惩罚注意力和增加注意力来解决变化检测的样本不均衡问题。实验结果表明，该方法在F1值上比其他基线方法分别提高了2.1%和3.6%，具有较强的鲁棒性。
