用于变化检测的全卷积孪生网络
计算机视觉与模式识别
2018-10-22 v1 机器学习
摘要
本文提出了三种全卷积神经网络架构，它们使用一对配准图像来执行变化检测。最值得注意的是，我们提出了两种全卷积网络的孪生扩展，它们利用关于当前问题的启发式方法，在使用RGB和多光谱图像的两个公开变化检测数据集上的测试中取得了最佳结果。我们表明，我们的系统能够使用标注的变化检测图像从零开始学习。我们的架构比先前提出的方法取得了更好的性能，同时比相关系统至少快500倍。这项工作是朝着高效处理来自大规模地球观测系统（如Copernicus或Landsat）的数据迈出的一步。
引用
@article{arxiv.1810.08462,
title = {Fully Convolutional Siamese Networks for Change Detection},
author = {Rodrigo Caye Daudt and Bertrand Le Saux and Alexandre Boulch},
journal= {arXiv preprint arXiv:1810.08462},
year = {2018}
}
备注
To appear inProc. ICIP 2018, October 07-10, 2018, Athens, Greece