用于标签节俭的卫星图像变化检测的对抗性虚拟样例学习
计算机视觉与模式识别
2022-12-29 v1
摘要
卫星图像变化检测旨在发现不同时间拍摄的给定场景中所发生目标变化。由于采集条件以及变化的主观性，该任务极具挑战性。在本文中，我们利用主动学习研究卫星图像变化检测。我们的方法是交互式的，依赖于一个问答模型，该模型向预言机（用户）询问关于最具信息量的显示（称为虚拟样例）的问题，并根据用户的响应更新变化检测。我们方法的主要贡献在于一种新颖的对抗模型，其允许仅以最具代表性、多样性和不确定性的虚拟样例节俭地探测预言机。这些虚拟样例被学习以最大程度挑战已训练的变化决策准则，最终在主动学习的后续迭代中更好地重新估计这些准则。所进行的实验表明，我们提出的对抗显示模型相对于其他显示策略以及相关工作具有更优性能。
引用
@article{arxiv.2212.13974,
title = {Adversarial Virtual Exemplar Learning for Label-Frugal Satellite Image Change Detection},
author = {Hichem Sahbi and Sebastien Deschamps},
journal= {arXiv preprint arXiv:2212.13974},
year = {2022}
}
备注
arXiv admin note: substantial text overlap with arXiv:2203.11559