Siamese-SAM变化检测模型

多数据集SOTA

该模型以SAM为编码器并引入三个增强模块，显著提升遥感图像变化检测性能。

卫刚 · Yuqi, Miao · 王志成

Applied Sciences (Switzerland) 2025

参数信息

F1分数（LEVIR-CD）

92.67 %

IoU分数（LEVIR-CD）

86.34 %

技术优势

全局和差分信息都抓住

通过GIEM和DIEM模块分别增强全局表示和差分特征，再由DGIF融合，使变化检测同时利用两类信息。

三个数据集全面领先

在LEVIR-CD、SYSU-CD和GZ-CD上分别取得92.67%、82.61%和88.79%的F1分数，优于现有方法。

应用场景

• 遥感图像分析：提供高精度变化检测模型，用于地物变化监测。
• 变化检测：方法本身即为变化检测，可直接用于多时相影像对比。
• 基础视觉模型：展示SAM在遥感变化检测中的有效适配。
• 多模态感知：融合全局与差分特征，可扩展至多模态输入。