IJCAIMay, 2023

对齐、扰动与解耦：更好地利用差异信息进行 RSI 变化检测

PDF
TL;DR本研究基于遥感影像分析，重视特征差异在变化检测中的作用，提出一系列操作以充分利用差异信息，包括对齐、扰动和解耦操作，实验证明该方法比现有方法更优秀。
change detectionremote sense imagery (rsi)difference informationfeature differencesemantic changes
发现论文，激发创造
  • 利用细粒度信息和噪声解耦的遥感变化检测

    利用细粒度特征进行变化检测，提供信息补偿和噪声分离方法以实现新的最优结果。

    Apr, 2024

  • BD-MSA：基于多尺度特征信息聚合引导的身体解耦 VHR 遥感图像变化检测方法

    提出了一种新模型 BD-MSA，通过将特征图的全局和局部特征信息集合起来，从而成功地提取变化区域的边界信息并分离变化区域的主体，该模型在公开数据集 DSIFN-CD 和 S2Looking 上的评估效果是最优的。

    Jan, 2024

  • 远程感知图像变化检测：朝向连续二时相分辨率差异

    本研究提出了一种基于尺度不变学习的跨分辨率变化检测方法，利用模糊图像合成解决多分辨率图像问题，并采用基于坐标的表示和局部窗口自注意力机制实现像素级别的预测，实验证明相对于其他方法，该方法在两个合成和一个真实的不同分辨率数据集上都具有更好的性能。

    May, 2023

  • 寻找变革？掷骰子并要求关注

    本研究提出了一种新的基于深度学习的遥感语义变化检测方法，使用新的注重视觉任务的注意力模块和新的损失函数，实现了优秀的检测性能，达到了行业最高水平。

    Sep, 2020

  • SwiMDiff：适用于遥感图像的场景全局匹配对比学习与扩散约束

    利用 SwiMDiff，本研究在遥感领域提出了一种新的自监督预训练框架，通过场景匹配方法有效地重新校准标签，使对比学习更适用于无标签遥感图像，并通过像素级扩散约束增强编码器的能力，更综合地捕捉图像的全局语义信息和细粒度特征。该框架在遥感领域的改变检测和土地覆盖分类任务中展现了出色的性能，证实了其在遥感领域的重要实用价值。

    Jan, 2024

  • 半监督遥感图像变化检测中一致性正则化的再探

    该论文提出一种半监督式变化检测方法，通过利用未标记的双时间遥感图像来提高深度学习模型的准确性，试验结果表明，该方法即使只有 10% 的标记数据，其准确率也可以接近于有监督学习方法。

    Apr, 2022

  • 遥感变化描述的像素级变化检测伪标签学习

    通过模型训练和像素级 CD 伪标签，我们提出了一种用于遥感图像变化字幕的创新网络，该网络具有辅助的 CD 分支和语义融合增强模块，经实验证明此方法在描述变化方面取得了最先进的性能。

    Dec, 2023

  • DeepCL: 深度变更特征学习在遥感图像中的度量空间上

    为了解决深度学习在变化检测中存在的问题，本文结合度量学习和分割方法，提出了一种强大而可解释的深度变化特征学习（DeepCL）框架，通过显式建模时序关系和引导分割过程来实现可靠的变化检测。经过理论和实验的全面评估，DeepCL 框架表现出卓越的特征区分能力，在对抗伪变化方面表现得坚韧，并适用于各种变化检测算法，与现有的变化检测方法相比，具有明显的定量和定性优势。

    Jul, 2023

  • DiffUCD: 基于语义相关扩散模型的非监督高光谱图像变化检测

    本文介绍了一种基于扩散模型的远程感知高光谱图像变化检测方法，结合语义相关性扩散模型和交叉时序对比学习机制，利用丰富的未标定样本获得不变的光谱差异特征在三个数据集上的实验表明，该方法在准确性、kappa 系数和 F1 值等方面都优于最先进的无监督方法，同时可以跟需要大量注释样本的全监督方法达成可比较的结果。

    May, 2023

  • 遥感多视角图像的自监督变化检测

    本文提出了一种基于多视角对比损失的自监督无监督远程感知变化检测方法，利用伪孪生网络在大型数据集上进行对比式预训练。实验表明该方法能够显著提高状态最先进的无监督方法的准确性，并使无监督和有监督变化检测之间的差距变小。

    Mar, 2021