Oct, 2023

利用配对的 OpenStreetMap 数据和光学高分辨率影像通过对象引导的 Transformer 进行土地覆盖变化检测

PDF
TL;DR使用光学高分辨率图像和 OpenStreetMap（OSM）数据进行土地覆盖变化检测，引入目标引导的 Transformer（ObjFormer）架构，结合目标基于图像分析（OBIA）技术和先进的视觉 Transformer 架构，实现了直接检测土地覆盖变化，并提出了一种新的半监督语义变化检测任务，能高效地完成此任务。
land-cover change detectionoptical high-resolution imageryopenstreetmap dataobject-based image analysissemantic change detection
发现论文，激发创造
  • 基于分段全景模型（SAM）的光学遥感图像与地图数据之间的变化检测

    本研究探讨了无监督多模态变化检测在时效性任务和综合多时序地球监测中的重要性，并介绍了利用光学高分辨率图像和 OpenStreetMap（OSM）数据进行无监督多模态变化检测的方法。我们通过使用视觉基础模型 Segmentation Anything Model（SAM）来解决这一任务，利用 SAM 的优秀的零样本迁移能力获得高质量的光学图像分割图，从而能够直接比较这两种异构数据形态。我们引入了两种策略来指导 SAM 的分割过程：'no-prompt' 方法和 'box/mask prompt' 方法。这两种策略分别用于检测一般情况下的土地覆盖变化和在已有背景下识别新的土地覆盖对象。在三个数据集上的实验结果表明，所提出的方法与代表性的无监督多模态变化检测方法相比能够取得更具竞争力的结果。

    Jan, 2024

  • 光学遥感图像物体检测综述

    本文是关于光学遥感图像中物体检测的文献综述，涵盖目标检测的众多方法，包括基于模板匹配、基于知识、机器学习等，同时讨论现有研究的挑战并提出两个有潜在发展的研究方向，即基于深度学习的特征表示和基于弱监督学习的地理空间目标检测。

    Mar, 2016

  • 基于 Transformer 的多模态变化检测与多任务一致性约束

    基于跨维度输入的一种有效的基于 Transformer 的网络用于改变检测，通过交叉关注学习了跨维度输入之间的共享表示，采用一致性约束建立了多模态关系，并通过高度改变阈值和最小化语义与伪改变之间的不同来解决语义和高度改变检测任务之间的多任务冲突。该模型在荷兰的三个城市构建了包含 DSM 到影像的多模态数据集，相对于其他五种先进的改变检测方法，表现出了一致的多任务优势，同时该一致性策略也可以无缝地适用于其他方法，取得了可喜的改进。

    Oct, 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

  • 使用过时产品和变压器进行交叉分辨率土地覆盖分类

    提出基于 Transformer 的弱监督方法，用于跨分辨率土地覆盖分类，解决了高分辨率标注数据缺乏的问题，并利用过时数据进行实验，结果证明该方法优于现有方法。

    Feb, 2024

  • 通用少样本遥感：基于混合语义分割框架的地貌涵盖映射中的新类发现

    提出了一种名为 SegLand 的广义少样本分割框架，用于在高分辨率土地覆盖映射中更新新颖类别，实验表明该框架在有限标记数据下自动更新新颖土地覆盖类别方面具有优越性。

    Apr, 2024

  • 大规模语义变化检测的多任务学习

    本论文提出了首个大规模高分辨率语义变化检测数据集，使用全卷积神经网络进行语义变化检测和土地覆盖分类，提出了一种序列训练方案，避免设置权衡不同损失函数而取得最佳效果的超参数。

    Oct, 2018

  • 卷积神经网络在多光谱地球观测城市变化检测中的应用

    本文利用 Copernicus Sentinel-2 提供的全球高频多光谱图像和卷积神经网络探索了城市变化检测的应用。首先，介绍了用于训练所提出的网络的新变化检测数据集；随后，提出了两种架构来检测变化，在使用不同数量的光谱通道作为输入的情况下比较了其影响；最后，从头开始使用所提供的数据集训练这些架构。

    Oct, 2018

  • 利用地球观测和 OpenStreetMap 数据进行联合学习，以获取更快、更好的语义地图

    本文探讨在地球观测图像语义标注中使用 OpenStreetMap 数据的潜力。作者在 ISPRS Potsdam 和 DFC2017 两个公共数据集上使用不同的架构并进行了实验，结果发现使用 OpenStreetMap 数据能够显著提高模型的精度和收敛速度，尤其是使用融合的架构和分层的细分。

    May, 2017

  • 基于半监督学习的上下文感知的变化检测

    本研究提出了一种利用前灾难时期光学数据进行变化检测任务的模型，并针对灾害受影响区域开发了 Context-Aware Change Detection Network（CACDN）。使用 Area Under the Precision-Recall Curve（AUPRC）、Intersection over Union（IoU）和均值 IoU 等三个指标进行了评估，并通过初步结果发现，当结合前灾难光学数据时，模型的变化检测能力显著提高，反映出使用情境信息进行准确的洪水和山体滑坡检测的有效性。

    Jun, 2023