利用三维地表语义监督遥感变化检测模型
计算机视觉与模式识别
2022-03-01 v1 机器学习
摘要
遥感变化检测旨在识别同一地点场景间的变化，是一个具有广泛应用的研究活跃领域。多模态自监督预训练的最新进展产生了超越仅基于光学影像训练的视觉模型的先进方法。在遥感领域，存在大量重叠的二维和三维模态，可用于监督视觉模型中的表示学习。本文提出对比地表-影像预训练（CSIP），用于使用光学 RGB 与离地高度（AGL）图对的联合学习。我们随后在多个建筑物分割与变化检测数据集上评估这些预训练模型，表明我们的方法确实提取了与下游应用相关的特征，其中自然与人工地表信息均相关。
引用
@article{arxiv.2202.13251,
title = {Supervising Remote Sensing Change Detection Models with 3D Surface Semantics},
author = {Isaac Corley and Peyman Najafirad},
journal= {arXiv preprint arXiv:2202.13251},
year = {2022}
}