MapChange：基于深度三元网络与时间不变历史地图增强语义变化检测
计算机视觉与模式识别
2024-01-23 v1 人工智能
摘要
语义变化检测（SCD）被认为是图像分析领域中一项关键且具有挑战性的任务。传统的 SCD 方法主要依赖于图像对的比较。然而，由于拍摄时间、大气条件和角度的变化引起的显著成像差异，严重阻碍了这种方法。这种差异导致两个主要问题：对微小但重要的变化的检测不足，以及由于时间差异产生的虚警。这些因素通常导致未变化的物体在多时相图像中显得截然不同。为了应对这些挑战，开发了 MapChange 框架。该框架引入了一种新范式，将时间不变的历史地图数据与当代高分辨率图像协同。通过采用这种组合，有效缓解了传统图像对比较中固有的时间差异。通过在两个公开数据集上的全面测试，MapChange 框架的有效性得到了实证验证。这些测试表明，该框架明显优于现有的 SOTA SCD 方法。
引用
@article{arxiv.2401.11489,
title = {MapChange: Enhancing Semantic Change Detection with Temporal-Invariant Historical Maps Based on Deep Triplet Network},
author = {Yinhe Liu and Sunan Shi and Zhuo Zheng and Jue Wang and Shiqi Tian and Yanfei Zhong},
journal= {arXiv preprint arXiv:2401.11489},
year = {2024}
}