变化无处不在：遥感影像中单时相监督的目标变化检测
计算机视觉与模式识别
2023-10-17 v3
摘要
对于高空间分辨率（HSR）遥感影像，双时相监督学习一直主导着利用大量成对标注双时相影像的变化检测。然而，对大规模双时相HSR遥感影像进行成对标注非常昂贵且耗时。本文从利用非成对影像中的目标变化作为监督信号这一新视角，提出了用于变化检测的单时相监督学习（STAR）。STAR使我们仅使用非成对标注影像即可训练出高精度的变化检测器，并泛化到真实世界的双时相影像。为评估STAR的有效性，我们设计了一个简单而有效的变化检测器ChangeStar，其可通过ChangeMixin模块复用任意深度语义分割架构。综合实验结果表明，在单时相监督下ChangeStar以较大优势超越基线，并在双时相监督下取得优异性能。代码见 https://github.com/Z-Zheng/ChangeStar
引用
@article{arxiv.2108.07002,
title = {Change is Everywhere: Single-Temporal Supervised Object Change Detection in Remote Sensing Imagery},
author = {Zhuo Zheng and Ailong Ma and Liangpei Zhang and Yanfei Zhong},
journal= {arXiv preprint arXiv:2108.07002},
year = {2023}
}
备注
ICCV 2021