自监督预训练增强 Sentinel-2 影像中的变化检测
计算机视觉与模式识别
2021-04-13 v2 图像与视频处理
摘要
尽管用于卫星影像变化检测的标注图像稀缺且获取成本高昂，但每天都有大量无标注图像产生。为利用这些数据学习更适用于变化检测的图像表示，我们探索了利用 Sentinel-2 时间序列的时间一致性来获取可用自监督学习信号的方法。为此，我们构建并公开了（https://zenodo.org/record/4280482）Sentinel-2 多时相城市对（S2MTCP）数据集，包含来自全球 1520 个城区的多时相图像对。我们测试了多种自监督学习方法用于变化检测模型预训练的效果，并将其应用于一个由 Sentinel-2 图像对构成的公共变化检测数据集（OSCD）。
引用
@article{arxiv.2101.08122,
title = {Self-supervised pre-training enhances change detection in Sentinel-2 imagery},
author = {Marrit Leenstra and Diego Marcos and Francesca Bovolo and Devis Tuia},
journal= {arXiv preprint arXiv:2101.08122},
year = {2021}
}
备注
Presented at the Pattern Recognition and Remote Sensing (PRRS) workshop in ICPR, 2021