GLMamba:一种用于高效遥感变化检测的全球-局部Mamba网络
《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》:GLMamba: A Global–Local Mamba Network for Efficient Remote Sensing Change Detection
【字体:
大
中
小
】
时间:2026年03月24日
来源:IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing 6.3
编辑推荐:
摘要:随着深度学习的快速发展,卷积神经网络和变换器已成为遥感变化检测领域的两大主流架构。卷积神经网络擅长提取局部特征,但由于感受野有限,难以捕捉长距离依赖关系。变换器则通过自注意力机制获取全局上下文信息,但其高昂的计算成本限制了其在高分辨率遥感图像中的应用。为平衡全局建模能力与局
摘要:
随着深度学习的快速发展,卷积神经网络和变换器已成为遥感变化检测领域的两大主流架构。卷积神经网络擅长提取局部特征,但由于感受野有限,难以捕捉长距离依赖关系。变换器则通过自注意力机制获取全局上下文信息,但其高昂的计算成本限制了其在高分辨率遥感图像中的应用。为平衡全局建模能力与局部细节表达,本文将Mamba架构引入变化检测领域,提出了全局-局部Mamba(GLMamba),这是一种能够同时处理长距离依赖关系和精细空间细节的高效网络。GLMamba基于状态空间模型构建统一的全局-局部建模框架。在编码阶段,该网络通过状态空间结构提取全局特征,并借助变化感知语义聚合模块实现多尺度语义聚合。双时间融合注意力模块则进一步捕捉长距离跨时间依赖关系,强化空间细节表达。在解码阶段,跨空间交互增强模块利用交叉注意力提升变化区域的特征区分度与空间一致性。在LEVIR CD、GZ-CD和SYSU-CD数据集上的实验表明,GLMamba在变化检测精度、边界保留能力以及对复杂场景的鲁棒性方面均优于现有最先进方法,同时具有较低的参数量和计算成本。这些结果证明了所提方法的有效性与优越性。相关代码可在https://github.com/PXN222/GLMamba地址获取。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号