MineNetCD：面向遥感影像全球采矿变更检测的基准数据集
计算机视觉与模式识别
2024-07-08 v1
摘要
监测由采矿活动触发的变更对于工业控制、环境管理和合规性检查至关重要，但由于采矿场所规模广泛且常位于偏远地区，这一任务面临着显著挑战。遥感技术日益成为检测和分析这些变更的关键手段。为此，我们引入 MineNetCD，一个用于遥感影像全球采矿变更检测的综合性基准数据集。该基准包含三个关键贡献：首先，建立了一个覆盖全球 100 个采矿场的采矿变更检测数据集，包含超过 7 万对具有像素级标注的双时相高分辨率遥感图像。其次，开发了基于变更感知的快速傅里叶变换 (ChangeFFT) 模块的新型基线模型，通过在频域中利用特征中的关键谱分量并捕捉双时相特征差异的通道间相关性，学习变更感知表示。最后，我们构建了一个集成超过 13 个先进变更检测模型的统一变更检测 (UCD) 框架，旨在利用托管于 HuggingFace 的云平台实现简洁高效的处理。广泛实验表明，所提出的基线模型在与 12 种最先进变更检测方法的比较中表现优异。模块化 backbone 的经验研究全面验证了不同表示学习器在变更检测任务中的有效性。此项工作在遥感和变更检测领域代表了重要进展，为未来在全球采矿监测中的研究和应用提供了稳健资源。数据集和代码均通过链接提供。
引用
@article{arxiv.2407.03971,
title = {MineNetCD: A Benchmark for Global Mining Change Detection on Remote Sensing Imagery},
author = {Weikang Yu and Xiaokang Zhang and Xiao Xiang Zhu and Richard Gloaguen and Pedram Ghamisi},
journal= {arXiv preprint arXiv:2407.03971},
year = {2024}
}