SSLChange：基于域适应的自监督变更检测框架
计算机视觉与模式识别
2024-05-29 v1
摘要
在常规遥感变更检测（RS CD）过程中，需首先进行大量人工标注以维持后续完全监督训练的性能。然而，CD 任务的像素级标注极其复杂且耗时。在本文中，我们探索了一种适用于 RS CD 任务的新型自监督对比框架，通过域适配器和层次化对比头来促进模型准确捕获空间、结构和语义信息。 proposed SSLChange 框架仅通过单时间样本即可实现自学习，可灵活迁移到主流 CD 基线方法。通过自监督对比学习，特征表示可基于原始数据甚至无需标注进行预训练。随后，在获得一定数量的标签后，将预训练特征与标签对齐以进行完全监督微调。在不引入额外数据或标签的情况下，下游基线方法的性能会得到显著提升。实验结果表明，在 2 个完整数据集和 6 个稀释数据集上，我们提出的 SSLChange 显著提高了 CD 基线在数据受限情况下的性能和稳定性。SSLChange 的代码将发布于 \url{https://github.com/MarsZhaoYT/SSLChange}。
引用
@article{arxiv.2405.18224,
title = {SSLChange: A Self-supervised Change Detection Framework Based on Domain Adaptation},
author = {Yitao Zhao and Turgay Celik and Nanqing Liu and Feng Gao and Heng-Chao Li},
journal= {arXiv preprint arXiv:2405.18224},
year = {2024}
}
备注
This manuscript has been submitted to IEEE TGRS and is under review