卫星图变化检测论文研读:Transferred Deep Learning-Based Change Detection in Remote Sensing Images 2019
期刊:IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING ,ieee trans 中等刊
目的:同一位置不同时间的卫星图变化检测。
亮点:①设置多任务网络,一个任务是change二值化识别(训练集,有change标签),一个是规则差分识别(测试集,无change标签,规则生成差分标签)。两个任务底层参数共享,文称该结构可降低训练集和测试集直接数据分布的差异(持怀疑态度,这个逻辑是真滴.... 不怎么样)。
②迁移学习,第①部分为预训练,第二部分进行fine-tune,训练数据采用测试集,利用规则伪造change标签,然后亮点在于对伪造的标签以像素为单位统计邻域内1的数量进行分类,筛选出伪标签质量高的path进行fine-tune,以拟合测试集的数据。
网络:
crop:将domain区分割成带有重叠部分的小瓦片28*28,重叠部分取均值进行边缘优化。
select pathes:筛选出像素变化率5%以上的pathes
RDN:包含change detect (bce loss)and reconstruction (均方差 loss) 均为unet框架
RDN:
change detect: 最终取a结构
tips:借鉴人脸验证的技巧,交换不同日期的两个图片可以学习不同的模式,所以数据集有必要因此扩充一倍。