S2Looking：用于建筑物变化检测的卫星侧视数据集
计算机视觉与模式识别
2022-01-12 v3 人工智能
图像与视频处理
摘要
建筑物变化检测支撑许多重要应用，尤其在军事和危机管理领域。近期用于变化检测的方法已转向深度学习，而其依赖于训练数据的质量。因此，大规模标注卫星影像数据集的构建对于全球建筑物变化监测至关重要。现有数据集几乎只提供近天底（near-nadir）视角，这限制了可检测的变化范围。光学卫星的滚动成像模式通过提供更大的观测范围，为克服此限制带来机遇。本文因而引入S2Looking，一个包含各种离天底角拍摄的大规模侧视卫星图像的建筑物变化检测数据集。该数据集由5000对农村地区的双时相图像对以及全球超过65,920个标注变化实例组成。该数据集可用于训练基于深度学习的变化检测算法。它通过提供（1）更大视角；（2）大光照差异；（3）农村图像带来的额外复杂性，对现有数据集进行了扩展。为便于数据集使用，我们建立了一个基准任务，初步测试表明深度学习算法认为该数据集比最接近的近天底数据集LEVIR-CD+明显更具挑战性。因此，S2Looking可推动现有建筑物变化检测算法的重要进展。数据集可在 https://github.com/S2Looking/ 获取。
引用
@article{arxiv.2107.09244,
title = {S2Looking: A Satellite Side-Looking Dataset for Building Change Detection},
author = {Li Shen and Yao Lu and Hao Chen and Hao Wei and Donghai Xie and Jiabao Yue and Rui Chen and Shouye Lv and Bitao Jiang},
journal= {arXiv preprint arXiv:2107.09244},
year = {2022}
}