基于深度学习的光学航空影像变化检测无监督自训练算法
计算机视觉与模式识别
2020-10-23 v2 人工智能
摘要
光学航空影像变化检测是地球观测中的一项重要任务，过去几十年已得到广泛研究。一般而言，性能优越的有监督变化检测方法需要大量通过人工标注获得的高成本标注训练数据。本文提出一种用于光学航空影像变化检测的新型无监督自训练算法（USTA）。采用变化向量分析等传统方法生成伪标签。我们利用这些伪标签训练一个精心设计的卷积神经网络。该网络作为教师对原始多时相影像进行分类以生成另一组伪标签。随后，两组伪标签被用于联合训练一个与教师结构相同的学生网络。最终变化检测结果可由训练好的学生网络得到。此外，我们设计了一个图像滤波器，以在网络的训练过程中控制伪标签中变化信息的使用。该算法的整个过程为无人工标注标签的无监督过程。在真实数据集上的实验结果表明了我们所提方法的竞争性性能。
引用
@article{arxiv.2010.07469,
title = {Unsupervised Self-training Algorithm Based on Deep Learning for Optical Aerial Images Change Detection},
author = {Yuan Zhou and Xiangrui Li},
journal= {arXiv preprint arXiv:2010.07469},
year = {2020}
}