利用非正射航拍图像检测建筑物变化
计算机视觉与模式识别
2023-01-27 v1
摘要
非正射航拍图像的倾斜视角特性给建筑物变化检测（BCD）问题带来了严峻挑战：邻近建筑物的错位以及建筑物立面的语义模糊。为应对这些挑战，我们提出了一种多任务引导的变化检测网络模型，称为 MTGCD-Net。该模型通过设计三个辅助任务来解决特定的 BCD 问题，包括：（1）像素级分类任务，用于预测建筑物的屋顶和立面；（2）学习每栋建筑物屋顶到足迹偏移的辅助任务，以解决建筑物屋顶实例间的错位问题；（3）学习双时相航拍图像间相同屋顶匹配流的辅助任务，以应对建筑物屋顶错位问题。这些辅助任务提供了不可或缺且互补的建筑物解析与匹配信息。辅助任务的预测最终通过多模态蒸馏模块融合到主建筑物变化检测分支中。为训练和测试面向非正射航拍图像的 BCD 问题的模型，我们构建了一个名为 BANDON 的新基准数据集。大量实验表明，我们的模型优于先前最先进的竞争对手。
引用
@article{arxiv.2301.10922,
title = {Detecting Building Changes with Off-Nadir Aerial Images},
author = {Chao Pang and Jiang Wu and Jian Ding and Can Song and Gui-Song Xia},
journal= {arXiv preprint arXiv:2301.10922},
year = {2023}
}