Self-Pair：从单源图像合成变化用于遥感影像中的目标变化检测
计算机视觉与模式识别
2022-12-21 v1
摘要
对于遥感中的变化检测，由于需要双时相监督，为深度学习模型构建训练数据集十分困难。为克服该问题，已提出将变化标签视为两个语义掩码之差的单时相监督方法。这种新颖方法使用两张空间上不相关的图像及其对应语义标签（如建筑）来训练变化检测器。然而，在未配对数据集上训练可能使变化检测器在标记为未变化但视觉差异显著的像素上产生混淆。为保持未变化区域的视觉相似性，本文强调变化源于源图像，并指出将源图像操作为后时相图像对变化检测性能至关重要。大量实验证明了保持前、后事件图像间视觉信息的重要性，且我们的方法优于现有的基于单时相监督的方法。代码见 https://github.com/seominseok0429/Self-Pair-for-Change-Detection。
引用
@article{arxiv.2212.10236,
title = {Self-Pair: Synthesizing Changes from Single Source for Object Change Detection in Remote Sensing Imagery},
author = {Minseok Seo and Hakjin Lee and Yongjin Jeon and Junghoon Seo},
journal= {arXiv preprint arXiv:2212.10236},
year = {2022}
}
备注
This paper has been accepted by WACV2023