用于遥感影像中真实普遍变化生成的循环一致对抗网络
图像与视频处理
2020-05-18 v3 计算机视觉与模式识别
机器学习
摘要
本文介绍了一种在受控环境下评估变化检测算法有效性时生成真实普遍变化的新方法。该方法为一种循环一致对抗网络（CycleGAN），仅需少量训练数据即可生成真实的变化。在此我们展示了 CycleGAN 在多光谱 Sentinel-2 影像中创建真实积雪场景的应用，并演示了这些图像如何用作异常变化检测算法的测试平台。
关键词
引用
@article{arxiv.1911.12546,
title = {Cycle-Consistent Adversarial Networks for Realistic Pervasive Change Generation in Remote Sensing Imagery},
author = {Christopher X. Ren and Amanda Ziemann and Alice M. S. Durieux and James Theiler},
journal= {arXiv preprint arXiv:1911.12546},
year = {2020}
}