【产通社，12月10日讯】北京理工大学（Beijing Institute of Technology, BIT）官网消息，针对多时间、多尺度遥感影像动态变化检测的难题，北京理工大学光电学院许廷发教授科研团队提出了多尺度变化感知Transformer的检测方法取得突破性进展。研究成果以“Multi-scale Change-Aware Transformer for Remote Sensing Image Change Detection（MCAT）” 为题发表在国际计算机视觉顶级学术会议《Association for Computing Machinery Multimedia（ACM MM）》（CCF-A）。ACM  MM由国际计算机协会（ACM）发起，是多媒体处理、分析与计算领域最具影响力的国际顶级会议。论文的第一作者为北京理工大学陈欢博士研究生，通讯作者为许廷发教授和李佳男副研究员。

为了捕捉遥感影像复杂场景的微弱变化信息，科研团队创新设计了一种单流架构的多尺度变化感知变换器（Mining Area Change Detection，MACT）架构，该架构通过结合局部自注意力和跨时注意力机制，比较了不同时间点图像间动态变换，识别出变化区域特征；动态调整不同阶段窗口大小，精确捕捉多尺度微弱变化；构建了多尺度变化增强聚合器（Multi-scale Change-Enhanced Aggregator，MCEA），细化变化特征局部细节，实现了不同层级高层语义信息融合。

通过在不同数据集上验证结果分析，该方法实现了在不同阶段多尺度特征融合，保持了检测区域的内部紧凑性和完整性。图2展示了在不同数据集上的变化检测结果。同时，针对遥感影像变化检测数据库缺乏，科研团队构建了矿区遥感影像变化检测（MACD）数据集，数据集首次覆盖了遥感影像多尺度变化、不规则形状和复杂边界等特征，真实地反映了遥感影像变换场景。

该研究成果解决了多时间、多尺度遥感影像动态变化检测和数据集缺乏的难题，为复杂场景遥感影像的微弱变化检测和应用提供了理论和数据基础。

查询进一步信息，请访问官方网站http://www.bit.edu.cn/xww/jxky/index.htm，以及https://dl.acm.org/doi/10.1145/3664647.3680965。（Robin Zhang，产通数造）    （完）