Dec, 2023

遥感变化描述的像素级变化检测伪标签学习

PDF
TL;DR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。
remote sensing image change captioningchange detectionpixel-level cdrsicc datasetsemantic fusion augment
发现论文，激发创造
  • Diffusion-RSCC: 遥感图像中变化描述的扩散概率模型

    遥感图像变化标题生成（RSICC）旨在生成人类化语言，描述双时相遥感图像对之间的语义变化。我们提出了一种概率扩散模型来解决传统变化标题生成任务中的像素级差异对地形变化定位的影响，并在 LEVIR-CC 数据集上进行了广泛实验，展示了我们 Diffusion-RSCC 的有效性及其各个组成部分。

    May, 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

  • 变革代理：从变化检测和变化字幕逐步推进互动综合变革解释与分析

    通过改变检测和改变标题、改变对象计数和改变原因分析等用户指令实现全面的改变解释和深入分析的交互式改变代理及其多层次改变解释模型的提出，利用 BI3 和 LPE、GDFA 来增强模型的特征表示能力，并通过 LEVIR-MCI 数据集的训练和广泛实验证明了其有效性和潜在潜力，为未来的研究提供了数据和代码。

    Mar, 2024

  • MaskCD：基于掩膜分类的遥感变化检测网络

    通过自适应生成分类掩蔽层检测变化区域，本论文提出了一种基于遮罩预测和分类的变化检测方法 (MaskCD)，它利用交叉级别变化感知器来学习多尺度的变化感知表示，并通过利用可变形多头自注意力机制来捕捉编码特征中的时空关系。随后，通过基于遮罩注意力和自注意力机制的遮罩注意力检测变换器 (MA-DETR) 解码器，准确定位和识别变化对象。实验结果表明，该方法在五个基准数据集上优于其他最先进模型。在线上可获得代码和预训练模型。

    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

  • 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

  • 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

  • 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

  • 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

  • 远程感知图像变化检索与标注的多模态框架

    在多模态应用中，我们提出了一种创新的基于对比学习的模型，并利用 RS 数据集进行双时序遥感图像对的变化检测分析，实现了文本 - 图像检索功能。

    Jun, 2024