TERRA-CD：用于多类与语义变化检测的多时相框架
计算机视觉与模式识别
2026-05-15 v1
摘要
城市植被监测在理解环境变化中起着至关重要的作用，然而用于此目的的综合数据集仍然有限。为了填补这一空白，我们提出了用于分析变化检测的时序遥感存储库（TERRA-CD），这是一个包含2019年和2024年5,221对Sentinel-2图像对的基准数据集，覆盖了美国和欧洲的232个城市。该数据集具有三种不同的标注方案：4类土地覆盖映射掩码、3类植被变化掩码，以及捕捉所有可能土地覆盖转换的13类语义变化掩码。我们使用包括Siamese网络、STANet变体、Bi-SRNet、Changemask、分类后比较和HRSCD策略在内的各种深度学习方法，评估了该数据集在植被多类变化检测以及语义变化检测中的有效性。所提出的数据集和方法可在 https://github.com/omkarsoak/TERRA-CD 获取。
引用
@article{arxiv.2605.14651,
title = {TERRA-CD: Multi-Temporal Framework for Multi-class and Semantic Change Detection},
author = {Omkar Oak and Rukmini Nazre and Rujuta Budke and Suraj Sawant},
journal= {arXiv preprint arXiv:2605.14651},
year = {2026}
}
备注
Paper presented at 11th International Congress on Information and Communication Technology (ICICT) 2026, London