用于多模态遥感图像无监督变化检测的代码对齐自编码器
计算机视觉与模式识别
2020-04-16 v1
摘要
基于卷积自编码器的图像翻译近来被用作双时相卫星图像中多模态变化检测的一种方法。一个主要挑战是通过降低变化像素对翻译函数学习的贡献来实现代码空间的对齐。许多现有方法利用变化区域的监督信息训练网络，但这并不总是可用的。我们提出提取由输入处特定域亲和矩阵捕获的关系像素信息，并借此强制代码空间对齐并降低变化像素对学习目标的影响。变化先验以无监督方式从跨域可比较的像素对亲和性中导出。为实现代码空间对齐，我们强制在输入域中具有相似亲和关系的像素在代码空间中也应相关。我们展示了该过程与循环一致性结合的有效性。所提方法与最先进的深度学习算法进行比较。在四个真实数据集上的实验显示了我们方法的有效性。
引用
@article{arxiv.2004.07011,
title = {Code-Aligned Autoencoders for Unsupervised Change Detection in Multimodal Remote Sensing Images},
author = {Luigi T. Luppino and Mads A. Hansen and Michael Kampffmeyer and Filippo M. Bianchi and Gabriele Moser and Robert Jenssen and Stian N. Anfinsen},
journal= {arXiv preprint arXiv:2004.07011},
year = {2020}
}