SoftMatch 距离:一种用于双时相图像弱监督趋势变化检测的新距离
计算机视觉与模式识别
2023-03-09 v1
摘要
通用变化检测(GCD)与语义变化检测(SCD)分别是识别变化并区分这些变化所涉及对象类别的常用方法。然而,GCD 提供的二值变化往往不够实用,而为训练 SCD 模型标注语义标签则非常昂贵。因此,本文提出一种直观地将变化划分为三种趋势(“出现”、“消失”和“转化”)而非语义类别的新方案,称之为趋势变化检测(TCD)。它比 GCD 提供更详细的变化信息,同时比 SCD 需要更少的人工标注成本。然而,带有特定趋势标签的公开数据集有限,不足以支撑 TCD 应用。为解决此问题,我们提出一种 softmatch 距离,用于在简单 GCD 模型中构建弱监督 TCD 分支,使用 GCD 标签而非 TCD 标签进行训练。此外,提出一种策略方法成功挖掘并提取背景信息,这对弱监督 TCD 任务至关重要。在四个公开数据集上的实验结果令人鼓舞,证明了我们所提模型的有效性。
引用
@article{arxiv.2303.04737,
title = {SoftMatch Distance: A Novel Distance for Weakly-Supervised Trend Change Detection in Bi-Temporal Images},
author = {Yuqun Yang and Xu Tang and Xiangrong Zhang and Jingjing Ma and Licheng Jiao},
journal= {arXiv preprint arXiv:2303.04737},
year = {2023}
}