S2-cGAN：用于多光谱图像二值变化检测的自监督对抗表示学习
图像与视频处理
2020-07-08 v2
摘要
深度神经网络近期在遥感 (RS) 中的二值变化检测 (CD) 问题上展现出有前景的性能，但其需要大量标注的多时相训练样本。由于收集此类数据耗时且昂贵，现有多数方法依赖于在公开计算机视觉 (CV) 数据集上预训练的网络。然而，由于 CV 与 RS 中图像特性的差异，这种方法限制了现有 CD 方法的性能。为解决该问题，我们提出了一种自监督条件生成对抗网络 (S2-cGAN)。所提出的 S^2-cGAN 被训练为仅生成未变化样本的分布。为此，所提方法包含两个主要步骤：1) 生成输入图像的重建版本作为未变化图像；2) 通过对抗博弈学习未变化样本的分布。与现有的基于 GAN 的方法（仅在对抗训练中利用判别器来监督生成器）不同，S2-cGAN 直接利用判别器似然来解决二值 CD 任务。实验结果表明，与最先进的 CD 方法相比，所提出的 S2-cGAN 具有有效性。
引用
@article{arxiv.2007.02565,
title = {S2-cGAN: Self-Supervised Adversarial Representation Learning for Binary Change Detection in Multispectral Images},
author = {Jose Luis Holgado Alvarez and Mahdyar Ravanbakhsh and Begüm Demir},
journal= {arXiv preprint arXiv:2007.02565},
year = {2020}
}
备注
Accepted in the IEEE 2020 International Geoscience & Remote Sensing Symposium (IGARSS 2020), July 2020, Waikoloa, Hawaii, USA