Jul, 2023

探索弱监督变化检测的有效约束和高效模型

PDF
TL;DR通过引入全局尺度和局部尺度先验以及新的组件，本文提出了一种基于弱监督学习的变化检测模型 TransWCD，通过将 DP 解码器和 LG 约束与 TransWCD 相结合，构建了 TransWCD-DL，实验结果表明，与当前最先进的方法相比，TransWCD 和 TransWCD-DL 在 WHU-CD 数据集上可以获得显著的 F1 得分提升。
weakly-supervised change detectionwscddilated prior decoderlabel gated constrainttranswcd
发现论文，激发创造
  • 弱监督卷积网络用于变化分割和分类

    本文提出了 W-CDNet，一种新型的基于弱监督学习方法的变化检测网络，可以通过基于图像级别的语义标签训练，既可以用于只包含变化图像对又可以用于包含变化和不变图像对的数据集；W-CDNet 使用两个 W-shaped Siamese U-Net 提取特征地图，然后比较这两个特征地图来创建原始变化遮罩，并利用 CSC 模块使用自定义重新映射块学习准确的变化遮罩并将当前输入图像分割成相应的标签。该方法在三个公开数据集上取得了当下最优的误差检测和分类性能。

    Nov, 2020

  • 基于生成对抗网络的全卷积变化检测框架，适用于无监督、弱监督和区域监督变化检测

    这篇论文提出了一种基于生成式对抗网络的全卷积变化检测框架，它可以将无监督、弱监督、区域监督和全监督变化检测任务整合到一个框架中，并证明了该框架在无监督、弱监督和区域监督变化检测中的有效性。

    Jan, 2022

  • 基于修剪和汇聚的轻量级图像补丁级变化检测网络的研究

    提出了一种轻量级裂纹级变化检测网络（LPCDNet），用于快速去除大规模双时期图像中的许多未改变的裂纹对，从而加速后续的像素级 CD 处理阶段并减少其内存成本。

    Oct, 2023

  • 基于知识蒸馏和多尺度 Sigmoid 推断的弱监督变化检测

    这篇论文介绍了一种基于知识蒸馏和多尺度 Sigmoid 推理的弱监督变化检测技术，通过利用图像级别标签，能够更准确地检测潜在的变化区域，进一步提高了变化概率图的性能。实证结果表明，该方法在三个公共数据集上明显优于现有技术。

    Mar, 2024

  • 指导各向异性扩散和迭代学习用于弱监督变化检测

    本文提出了一种迭代学习方法，通过从开放矢量数据生成的大规模 change detection 数据集中提取有用信息来训练全卷积网络，该方法在弱监督学习技术中具有出色的性能，并提出引导各向异性扩散算法，用于与迭代训练方法相结合以改进语义分割结果。

    Apr, 2019

  • 弱监督检测变压器技术推动新型目标检测的扩展

    本文提出一种弱监督检测变换器 (Weakly Supervised Detection Transformer) 方法，通过利用大规模预训练数据集的知识，实现对百余种新颖物体的检测，并优化多实例学习框架，从而在大规模新颖物体检测数据集上优于现有模型，在 WSOD 预训练中类别数量比图像数量的重要性更大。

    Jul, 2022

  • DiffMatch: 视觉 - 语言指导提升半监督变化检测器的性能

    本文提出了一种基于视觉语言模型的半监督变化检测方法，名为 DiffMatch，通过利用 VLM 合成自由变化标签为无标签数据提供额外的监督信号，并通过辅助分割解码器明确分离双时相图像的语义表示，最终通过特征级对比损失引入度量感知监督，实验证明 DiffMatch 相较于基线方法 FixMatch 在变化检测上具有明显优势。

    May, 2024

  • 面向灾害管理的基于原型的无监督变化检测

    应对气候变化引发的自然灾害频率增加，有效的灾害监测变得至关重要。我们提出了一种名为 PUCD 的新型无监督变化检测方法，通过比较预事件、事后事件和基于原型的变化合成图像的特征，通过基础模型捕捉变化，并使用 SAM 模型对结果进行精化。在 LEVIR-Extension 数据集和灾害数据集上评估 PUCD 框架，与其他方法相比，其在 LEVIR-Extension 数据集上实现了最先进的性能。

    Oct, 2023

  • 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

  • 从 W-Net 到 CDGAN：基于深度学习的双时相变化检测技术

    本文提出了一种基于深度学习的遥感图像变化检测方法，使用双支路的深度卷积神经网络用于特征提取和分类，通过在特征空间对两幅图像进行差异计算，利用生成对抗网络进行检测并构建一个大规模的数据集从而得到优于现有基线的高精度变化检测结果。

    Mar, 2020