基于卷积神经网络的多光谱地球观测城市变化检测
计算机视觉与模式识别
2018-10-22 v1 机器学习
摘要
Copernicus Sentinel-2计划现在以高重访率在全球尺度上提供多光谱图像。在本文中，我们探索了使用此类多光谱图像进行城市变化检测的卷积神经网络的用法。我们首先展示了用于训练所提出网络的新变化检测数据集，该数据集将公开可用以作为基准。Onera Satellite Change Detection (OSCD)数据集由多光谱航空图像对组成，变化在像素级别被手动标注。然后我们提出了两种检测变化的架构，Siamese和Early Fusion，并比较使用不同数量光谱通道作为输入的影响。这些架构使用所提供的数据集从零开始训练。
引用
@article{arxiv.1810.08468,
title = {Urban Change Detection for Multispectral Earth Observation Using Convolutional Neural Networks},
author = {Rodrigo Caye Daudt and Bertrand Le Saux and Alexandre Boulch and Yann Gousseau},
journal= {arXiv preprint arXiv:1810.08468},
year = {2018}
}
备注
To appear inProc. IGARSS 2018, July 22-27, 2018, Valencia, Spain