结合Swin Transformer的多尺度遥感图像变化检测研究

由于地物信息的复杂性及变化检测数据的多元性,遥感图像特征提取的充分性和有效性难以得到保证,导致变化检测方法获取的检测结果可靠性较低。虽然卷积神经网络(CNN)凭借有效提取语义特征的优势,被广泛应用于遥感领域的变化检测之中,但卷积操作固有的局部性导致感受野受限,无法捕获时空上的全局信息以至于特征空间对中远距离依赖关系的建模受限。为捕获远距离的语义依赖,提取深层全局语义特征,设计了一种基于Swin Transformer的多尺度特征融合网络SwinChangeNet。首先,SwinChangeNet采用孪生的多级Swin Transformer特征编码器进行远距离上下文建模;其次,编码器中引入特征差异提取模块,计算不同尺度下变化前后的多级特征差异,再通过自适应融合层将多尺度特征图进行融合;最后,引入残差连接和通道注意力机制对融合后的特征信息进行解码,从而生成完整准确的变化图。在CDD和CD_Data_GZ 2个公开数据集上分别与7种经典和前沿变化检测方法进行比较,CDD数据集中本文模型的性能最优,相比于性能第二的模型,F1分数提高了1.11%,精确率提高了2.38%。CD_Data_GZ数据集中本文模型的性能最优,相比于性能第二的模型,F1分数、精确率和召回率分别提高了4.78%,4.32%,4.09%,提升幅度较大。对比实验结果证明了该模型具有更好的检测效果。在消融实验中也证实了模型中各个改进模块的稳定性和有效性。本文模型针对遥感图像变化检测任务,引入了Swin Transformer结构,使网络可以对遥感图像的局部特征和全局特征进行更有效地编码,让检测结果更加准确,同时保证网络在地物要素种类繁多的数据集上容易收敛。

在华外国留学生就业管理制度浅析

留学生是重要的人才储备资源,合理利用外国留学生资源对提高本国的国际竞争力具有重要意义。然而目前我国存在的配套法律不完善、行政管理权限分散、签证制度不完善以及永居权申请门槛高等问题,严重制约我国有效利用在华外国留学生资源。新加坡、澳大利亚等国在留学生就业管理方面具有先进的经验,我国应在吸收其经验的基础上,从完善法律、加强部门联动、完善签证制度、降低永居权申请难度等途径出发,充分利用在华外国留学生人才储备资源,推动经济快速转型。

基于跨境网络犯罪问题的国际警务合作机制浅析

跨境网络犯罪因其跨境性、隐蔽性、成本的低廉性以及手段的多样性等特点而对国家安全都具有极强的危害性。从国际警务合作的视角出发,当前跨境网络犯罪治理存在着国际组织协调作用发挥不足、立法差异大、网络技术水平不一等问题。应通过强化国际组织的协调作用、加强国内立法和国际立法的协调、丰富警务合作方式、发挥多种力量合力等途径完善打击跨境网络犯罪的国际警务合作机制,维护世界网络安全与秩序。