基于在线全整数剪枝训练的异构遥感图像轻量级变化检测
计算机视觉与模式识别
2024-05-06 v1
摘要
检测异构遥感图像中的变化尤为重要，尤其是在响应地震、洪水等紧急情况时。当前基于同构变换的变化检测(CD)方法常因计算和内存成本高，在不适用于像卫星 onboard CD 设备这样的边缘计算设备。为此，本文提出一种针对异构遥感图像的轻量级 CD 方法，采用在线全整数剪枝(OAIP)训练策略，使用当前测试数据高效微调 CD 网络。该 CD 网络由两个视觉几何组(VGG)子网络构成作为 backbone 架构。在 OAIP 训练过程中，所有权重、梯度和中间数据均量化为整数，以加速训练并降低内存使用，其中采用分层块指数尺度缩放方案以减少网络参数量化导致的计算误差。此外，采用基于 L1 范数准则的自适应滤波级剪枝方法进一步减轻了 CD 网络的微调过程。实验结果表明，所提 OAIP 方法在检测性能方面与最先进的 CD 方法相当，但计算复杂度和内存使用显著降低。
引用
@article{arxiv.2405.01920,
title = {Lightweight Change Detection in Heterogeneous Remote Sensing Images with Online All-Integer Pruning Training},
author = {Chengyang Zhang and Weiming Li and Gang Li and Huina Song and Zhaohui Song and Xueqian Wang and Antonio Plaza},
journal= {arXiv preprint arXiv:2405.01920},
year = {2024}
}