面向遥感图像变化检测的任务相关自监督学习
图像与视频处理
2021-05-25 v2 计算机视觉与模式识别
摘要
遥感图像变化检测广泛应用于城市变化检测、灾害评估等领域。然而，大多数现有的基于CNN的变化检测方法仍存在伪变化抑制不足和特征表示不充分的问题。为此，本文提出一种基于任务相关自监督学习变化检测网络并带平滑机制的无监督变化检测方法(TSLCD)来解决该问题。主要贡献包括：(1)引入任务相关自监督学习模块以更有效地提取空间特征。(2)采用难样本挖掘损失函数，更加关注难以分类的样本。(3)利用平滑机制去除部分伪变化和噪声。在四个遥感变化检测数据集上的实验表明，所提出的TSLCD方法在变化检测任务上达到了最先进的(state-of-the-art)性能。
引用
@article{arxiv.2105.04951,
title = {Task-Related Self-Supervised Learning for Remote Sensing Image Change Detection},
author = {Zhinan Cai and Zhiyu Jiang and Yuan Yuan},
journal= {arXiv preprint arXiv:2105.04951},
year = {2021}
}
备注
IEEE ICASSP 2021