HSACNet：基于层次尺度感知一致性正则化的半监督变化检测
计算机视觉与模式识别
2025-09-30 v2
摘要
半监督变化检测（SSCD）旨在利用有限的标记数据和丰富的非标记数据检测双时相遥感图像中的变化。现有方法在面对复杂场景时表现不佳，当遭遇噪声数据时效果差。它们通常忽视层内多尺度特征，同时强调层间融合，损害不同尺度变化对象的完整性。本文提出了 HSACNet，即基于层次尺度感知一致性正则化的网络，用于 SSCD。具体而言，我们集成了 Segment Anything Model 2（SAM2），使用其 Hiera 主干网络作为编码器提取层间多尺度特征，并应用适配器进行参数高效微调。此外，我们设计了尺度感知微分注意力模块（SADAM），可精确捕获层内多尺度变化特征并抑制噪声。此外，采用双数据增强一致性正则化策略有效利用非标记数据。广泛的实验在四个变化检测基准数据集上表明，我们的 HSACNet 实现了最先进的性能，同时具有减少参数和计算成本的优势。
引用
@article{arxiv.2504.13428,
title = {HSACNet: Hierarchical Scale-Aware Consistency Regularized Semi-Supervised Change Detection},
author = {Qi'ao Xu and Pengfei Wang and Yanjun Li and Tianwen Qian and Xiaoling Wang},
journal= {arXiv preprint arXiv:2504.13428},
year = {2025}
}
备注
7 pages, 8 figures, accepted by ICME 2025