基于超映射的语义变化检测
计算机视觉与模式识别
2017-03-17 v2 人工智能
摘要
变化检测是研究检测同一场景在不同时间拍摄的两幅不同图像之间的变化。然而，通过检测出的变化区域，人类无法理解两幅图像差异何在。因此，在诸如灾害调查的变化检测研究中需要语义理解。本文提出语义变化检测的概念，其涉及直观地将语义含义插入检测出的变化区域。我们主要关注在传统变化检测方法之外的新型语义分割。为解决此问题并获得高性能，我们提出对超列表示（hypercolumns representation）的改进，此后称为超映射（hypermaps），其有效利用从卷积神经网络（CNNs）获得的卷积图。我们还采用由不同图像块捕捉的多尺度特征表示。我们将方法应用于TSUNAMI全景变化检测数据集，并通过语义类别重新标注了该数据集的变化区域。结果表明，我们的多尺度超映射在重新标注的TSUNAMI数据集上提供了出色的性能。
引用
@article{arxiv.1604.07513,
title = {Semantic Change Detection with Hypermaps},
author = {Teppei Suzuki and Soma Shirakabe and Yudai Miyashita and Akio Nakamura and Yutaka Satoh and Hirokatsu Kataoka},
journal= {arXiv preprint arXiv:1604.07513},
year = {2017}
}