【论文笔记】Selecting change image for efficie( 二 ) _图像

prior map
以往CD方法使用图像差值和阈值来生成变化图。但相机姿态和照明差异会导致不好的CD效果。
高层卷积特征可以提取语义信息，但高层计算成本相较更高，影响检测器效率。
CCMPG网络如图4所示，是一个简单的孪生网络。它有三个卷积块，将
的分辨率降低到80*80、40*40、20*20，捕捉变化目标的多尺度信息。然后将对应级别的特征减去卷积得到绝对差值特征
。这些特征先调整尺寸，再拼接生成
。
其计算公式如（2）所示。还有Mp的生成公式如（3）所示，生成一个两通道图。
GT与粗变化先验图Mp示例。
Multi-scale
Mp只描述变化的粗略位置，需要进一步细化。根据
的尺寸调整
的尺寸，并通过卷积层将其与
融合。利用所得到的特征Fi对变化对象进行编码。提出一种具有自底向上特征增强的多尺度变化检测模块。自底向上的融合特征计算公式如（4）所示。利用融合特征生成预测Pi，最终将多个Pi拼接再卷积生成最后的预测结果Pf 。
4
：将该方法与5种CD方法比较：, FCN, , SEU-。
：VL-CMU-CD 和 CDnet 。
：F1- (F1),(Pre),(Re),(Sp), falseratio (FPR), falseratio (FNR) andof wrong(PWC)
on VL-CMU-CD
on CDnet
time
单图预测时间与F1值关系。
5study
使用不同卷积层特征的CIS精确度与耗时比较。
CCPMG使用不同尺度特征的效果比较。
融合特征图的可视化。
是否使用
的有效性比较。
多尺度CD模块中是否使用自底向上的特征增强的效果比较。
【【论文笔记】Selecting change image for efficie】6