Oct, 2023

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

PDF
TL;DR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。
satellite remote sensingchange detectionpatch-level cd networklightweight patch pairsmulti-layer feature compression
发现论文，激发创造
  • 异构遥感图像中轻量级的在线全整数剪枝训练变化检测

    针对异构遥感图像变化检测中高计算和内存开销的问题，本文提出了一种新的轻量级变化检测方法，该方法利用在线全整数修剪 (OAIP) 训练策略，通过当前的测试数据高效地微调变化检测网络，实验结果显示该方法在性能表现上与最先进的变化检测方法相当，但计算复杂度和内存使用方面显著减少。

    May, 2024

  • 如何将变化检测简化为语义分割

    本文中，我们提出了一种新的思路，将变化检测降低到语义分割的级别，通过一个新模块 MTF 提取变化信息和融合时间特征，并利用主流语义分割技术解决变化检测中的一般分割问题。最后，我们提出了 C-3PO 网络，可以在像素级别上检测变化并取得最先进的性能。

    Jun, 2022

  • 通过知识审查和在线不确定性估计实现遥感图像精确可靠变化检测

    本文介绍了一种新的改变检测网络 AR-CDNet，能够提供精确的改变图和生成像素级不确定性，并使用知识评估策略从低级特征到高级特征提取时间变化知识，最终通过聚合在线不确定性估计分支提取的基于多级时差特征的确定性特征，提高了改变检测的准确性。

    May, 2023

  • HANet: 一种基于双时相高分辨率遥感图像的分层注意力网络用于变化检测

    通过深度学习技术的发展，本文提出了一种基于渐进前景平衡采样策略的深度学习模型来解决变化检测任务中改变和不改变的像素之间不平衡的问题，并设计了一种层次化注意力网络（HANet），以提高检测性能。

    Apr, 2024

  • 面向街景变化检测的层级配对通道融合网络

    提出了一种基于多层级特征融合和多部分特征学习的 Hierarchical Paired Channel Fusion Network (SSCD) 框架，用于改善街景图像对中场景变化检测的精度，实验结果表明该方法在三个公共数据集上均优于其他现有方法。

    Oct, 2020

  • 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

  • RFL-CDNet：基于更丰富特征学习的准确变化检测

    利用更丰富的特征学习来提高变化检测性能，我们提出了一种名为 RFL-CDNet 的新型框架，该框架采用深度多重监督来增强中间表示，并设计了 C2FG 模块和 LF 模块来进一步改进特征学习和获得更具有区分性的特征表示。

    Apr, 2024

  • 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

  • LRNet: 高分辨率遥感图像的变化检测基于定位优化策略

    本文提出了基于定位再细化策略的新型网络 LRNet，通过定位和细化阶段，使用学习优化池化（LOP）和变换对齐注意力（C2A）等方法，提高了改变区域的定位和边界判别准确性，并在 LEVIR-CD 和 WHU-CD 数据集上取得了最精确的边界判别结果。

    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