基于相关性融合的多时相场景分类与场景变化检测
计算机视觉与模式识别
2021-01-14 v1
摘要
对覆盖城市区域的影像进行多时相场景土地利用类别分类并检测其语义场景级变化，可直接反映土地利用的转移。现有的场景变化检测方法很少关注双时相特征的时序相关性，且主要在小规模场景变化检测数据集上评估。本工作中，我们提出了一个 CorrFusion 模块，用于融合双时相特征嵌入中高度相关的分量。我们首先用深度卷积网络提取双时相输入的深度表示，然后将提取的特征投影到低维空间以计算实例级相关性。跨时相融合将基于 CorrFusion 模块中计算出的相关性执行。最终场景分类由 softmax 激活层得到。在目标函数中，我们引入了一种计算时序相关性的新形式。本文还给出了所提模块反向传播梯度的详细推导。此外，我们提出了一个规模大得多的场景变化检测数据集，并在该数据集上进行了实验。实验结果表明，我们提出的 CorrFusion 模块能显著改善多时相场景分类与场景变化检测结果。
引用
@article{arxiv.2006.02176,
title = {Multi-Temporal Scene Classification and Scene Change Detection with Correlation based Fusion},
author = {Lixiang Ru and Bo Du and Chen Wu},
journal= {arXiv preprint arXiv:2006.02176},
year = {2021}
}
备注
submitted