【文献阅读】用GAN来做遥感图像的变化检测（M. A. Lebedev等人，ISPRS，2018）
一、背景
文章题目：《Change Detection In Remote Sensing Images Using Conditional Adversarival Networks》
文章比较简单，且技术不是很新，所以这篇简要记录一下。
文献引用格式：M. A. Lebedev, Yu. V. Vizilter, O. V. Vygolov, V. A. Knyaz, A. Yu. Rubis. "Change Detection In Remote Sensing Images Using Conditional Adversarival Networks." The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences (ISPRS), Volume XLII-2, pp. 565-571, 2018.
项目地址：文中没有公开
二、文章摘要
We present a method for change detection in images using Conditional Adversarial Network approach. The original network architecture based on pix2pix is proposed and evaluated for difference map creation. The paper address three types of experiments: change detection in synthetic images without objects relative shift, change detection in synthetic images with small relative shift of objects, and change detection in real season-varying remote sensing images.
一篇用CGAN来做变化检测的文章。变化检测试验包含三种，没有目标相对变化的合成图像的变化检测，目标相对较小变化的合成图像的变化检测，和真实季节变化遥感图像的变化检测。
三、文章介绍
变化检测一直是遥感图像处理的热点。早期的方法主要是代数方法，包括PCA，纹理变换；中期主要是机器学习方法，包括监督，非监督分类，人工神经网络，SVM；现在主要是基于CNN来做。
作者提出模型的思想是基于GAN来做的，同时参考了pix2pix的网络结构。生成器作者这里使用的是Unet，判别器使用的是与PatchGAN类似的结构，最终作者提出的模型结构如下：
实验针对3类数据展开：
第一类就是目标形状不发生任何变化，仅数量可能发生变化，比如：
第二类就是目标有轻微的大小变化，比如：
第三类就是真实的遥感图像变化，比如：
最后实验结果就不细说了，作者给出了这个数据集的下载地址https://drive.google.com/file/d/1GX656JqqOyBi_Ef0w65kDGV
to-nHrNs9