通过对抗性类别提示推进卫星图像弱监督变化检测
计算机视觉与模式识别
2025-12-15 v2
摘要
弱监督变化检测（WSCD）旨在区分卫星图像对中特定对象的变化（例如对象的出现或消失）与背景变化（例如由光照、天气或季节变化引起的环境变化），仅依赖成对图像（即图像级）分类标签。该技术显著减少了对全监督变化检测所需的密集标注需求。然而，由于图像级监督仅指示场景中对象是否发生变化，WSCD方法经常将背景变化误分类为对象变化，尤其是在复杂的遥感场景中。在本工作中，我们提出了一种对抗性类别提示（AdvCP）方法来解决这一共现噪声问题，包括两个阶段：(a) 对抗性提示挖掘：在每次训练迭代后，我们引入对抗性提示扰动，使用错误的单热图像级标签来激活错误的特征映射。该过程揭示了弱监督下的共现对抗样本，即可能被误分类为对象变化的背景变化特征。(b) 对抗性样本修正：我们通过构建在线全局原型，将这些对抗性提示激活的像素样本整合到训练中。该原型由当前批次和所有历史训练数据的指数加权移动平均构建。我们的AdvCP可以无缝集成到现有WSCD方法中，而不增加额外推理开销。在ConvNet、Transformer和Segment Anything Model（SAM）基线的实验证明了显著的性能提升。此外，我们展示了AdvCP对其他多类弱监督密集预测场景的通用性。代码可在 https://github.com/zhenghuizhao/AdvCP 获取。
引用
@article{arxiv.2508.17186,
title = {Advancing Weakly-Supervised Change Detection in Satellite Images via Adversarial Class Prompting},
author = {Zhenghui Zhao and Chen Wu and Di Wang and Hongruixuan Chen and Cuiqun Chen and Zhuo Zheng and Bo Du and Liangpei Zhang},
journal= {arXiv preprint arXiv:2508.17186},
year = {2025}
}
备注
Accepted by IEEE Transactions on Image Processing