本文提出双时适配器网络（BAN），一种基于通用基础模型的遥感变化检测适配框架。BAN包含三个部分，有效提升现有CD方法性能，仅需少量额外可学习参数。

当前，CD模型性能受限于有限数据，即使是大型模型在LEVIR-CD数据集上的提升也仅为约1%至2%。研究尝试使用生成模型、数据增强策略等方法，但与自然图像标注数据相比，生成数据仍不足以驱动模型实现能力与同质性的提升。面对有限数据与计算资源，从头开始训练特定任务大型模型困难，但可以利用现有基础模型并适配特定任务。

BAN模型概述，包含第一部分ViT、第二部分Bi-TAB以及第三部分Bridging Module。其中，ViT作为骨干，Bi-TAB以基础模型提供的通用特征库为支撑，Bridging Module解决通用特征注入Bi-TAB的问题。

采用BiT和ChangeFormer的像素级交叉熵损失函数。实验涉及Binary Change Detection（BCD）、Semantic Change Detection（SCD）、Cross-domain Change Detection、Semi-supervised Change Detection等指标。通过消融实验验证BAN在提升性能方面的有效性。

总结BAN在遥感变化检测中的应用，提出基于通用大模型的适配框架能有效改善现有CD方法性能，且仅需少量额外可学习参数。实现过程注重模型总览、网络结构、桥接模块设计、损失函数选择以及实验数据集、细节、指标等。结果显示，BAN在多个变化检测任务中表现优异，验证了其在遥感领域的应用价值。

本文地址： http://www.goggeous.com/20250108/1/1312194

文章来源：天狐定制

版权声明：除非特别标注，否则均为本站原创文章，转载时请以链接形式注明文章出处。