使用双任务孪生网络与半监督学习的城市变化检测
计算机视觉与模式识别
2022-07-05 v2
摘要
本研究提出了一种用于改进双时相图像对城市变化检测的半监督学习(SSL)方法。所提方法改进了双任务孪生差异网络，该网络不仅通过差异解码器预测变化，还通过语义解码器对两幅图像分割建筑。首先，修改架构以产生由语义预测导出的第二变化预测。其次，采用SSL改进有监督变化检测。对于无标签数据，我们引入一种损失，鼓励网络在两个变化输出上预测一致的变化。所提方法在SpaceNet7数据集上进行了城市变化检测测试。SSL相比三个全监督基准取得了改进结果。
引用
@article{arxiv.2204.12202,
title = {Urban Change Detection Using a Dual-Task Siamese Network and Semi-Supervised Learning},
author = {Sebastian Hafner and Yifang Ban and Andrea Nascetti},
journal= {arXiv preprint arXiv:2204.12202},
year = {2022}
}
备注
4 pages, 4 figures, to be published in 2022 IEEE International Geoscience and Remote Sensing Symposium IGARSS