即插即用DISep：面向高分辨率遥感图像场景到像素弱监督变化检测的密集实例分离
计算机视觉与模式识别
2025-01-13 v2
摘要
现有的弱监督变化检测（WSCD）方法在场景级监督下经常遇到“实例聚集”问题，特别是在变化实例（即变化对象）密集分布的场景中。在这些场景中，变化实例之间的未变化像素也被错误地识别为变化，导致多个变化被错误地视为一个。在实际应用中，这个问题阻碍了对变化数量的准确量化。为了解决这个问题，我们提出了一种密集实例分离（DISep）方法作为即插即用解决方案，在场景级监督下从统一实例的角度细化像素特征。具体来说，我们的DISep包含一个三步迭代训练过程：1）实例定位：我们使用高通类激活图定位变化像素的实例候选区域。2）实例检索：我们通过连通性搜索识别并将这些变化像素分组到不同的实例ID中。然后，基于分配的实例ID，我们以每个实例为基础提取相应的像素级特征。3）实例分离：我们引入一个分离损失来强制嵌入空间中的实例内像素一致性，从而确保可分离的实例特征表示。所提出的DISep仅增加极少的训练成本且无推理成本。它可以无缝集成以增强现有的WSCD方法。通过在LEVIR-CD、WHU-CD、DSIFN-CD、SYSU-CD和CDD数据集上增强三种基于Transformer和四种基于ConvNet的方法，我们实现了最先进的性能。此外，我们的DISep可用于改进全监督变化检测方法。代码可在https://github.com/zhenghuizhao/Plug-and-Play-DISep-for-Change-Detection获取。
引用
@article{arxiv.2501.04934,
title = {Plug-and-Play DISep: Separating Dense Instances for Scene-to-Pixel Weakly-Supervised Change Detection in High-Resolution Remote Sensing Images},
author = {Zhenghui Zhao and Chen Wu and Lixiang Ru and Di Wang and Hongruixuan Chen and Cuiqun Chen},
journal= {arXiv preprint arXiv:2501.04934},
year = {2025}
}
备注
Accepted by ISPRS Journal of Photogrammetry and Remote Sensing