ChangeNet：多时相非对称变化检测数据集
计算机视觉与模式识别
2024-04-15 v2
摘要
变化检测（CD）随着双时相数据集的出现吸引了广泛的兴趣。然而，由于多时相图像获取和标注的巨大成本，现有的变化检测数据集在数量上小、时间跨度短、实用性低。因此，迫切需要一个大尺度、面向实际、覆盖广泛时间阶段的数据集来促进该领域。为此，我们提出了ChangeNet数据集，专门用于多时相变化检测，以及新的任务“非对称变化检测”。具体来说，ChangeNet包含31,000对多时相图像，来自100个城市的广泛复杂场景，以及6个像素级标注类别，这远远优于所有现有的变化检测数据集，包括LEVIR-CD、WHU Building CD等。此外，ChangeNet包含同一区域不同时间阶段的大量真实世界视角畸变，这能够促进变化检测算法的实际应用。ChangeNet数据集适用于二值变化检测（BCD）和语义变化检测（SCD）任务。相应地，我们在六种BCD方法和两种SCD方法上对ChangeNet数据集进行了基准测试，大量实验证明了其挑战性和重要意义。数据集可在https://github.com/jankyee/ChangeNet获取。
引用
@article{arxiv.2312.17428,
title = {ChangeNet: Multi-Temporal Asymmetric Change Detection Dataset},
author = {Deyi Ji and Siqi Gao and Mingyuan Tao and Hongtao Lu and Feng Zhao},
journal= {arXiv preprint arXiv:2312.17428},
year = {2024}
}
备注
Accepted to ICASSP 2024 Oral/Lecture