基于深度网络反演的轻量型卫星图像变化检测
计算机视觉与模式识别
2023-09-27 v1
摘要
卫星影像中的变化检测旨在找出给定场景在不同时间拍摄图像中发生的目标变化。该任务有多种应用，从土地覆盖制图、人类活动监测到气候变化与自然危害损失评估。然而，由于成像条件以及变化的主观性，变化检测极具挑战性。本文设计了一种基于主动学习的新型变化检测算法。所提方法建立在一个问答模型之上，该模型仅就一小部分关键图像（称为虚拟样本）向预言机（用户）询问变化的相关性，并依据预言机的回答更新深度神经网络（DNN）分类器。主要贡献在于一种新颖的对抗模型，其允许学习最具代表性、多样性与不确定性的虚拟样本（作为所训练DNN的反演原像），以（最大程度）挑战训练好的DNN，从而在主动学习的后续迭代中实现对这些网络的更好重估计。实验表明，我们提出的深度网络反演方法优于相关工作的表现。
引用
@article{arxiv.2309.14781,
title = {Frugal Satellite Image Change Detection with Deep-Net Inversion},
author = {Hichem Sahbi and Sebastien Deschamps},
journal= {arXiv preprint arXiv:2309.14781},
year = {2023}
}
备注
arXiv admin note: text overlap with arXiv:2212.13974