课题组王俊杰的论文 “Change Detection from Synthetic Aperture Radar Images via Graph-Based Knowledge Supplement Network” 被 IEEE Journal Of Selected Topics In Applied Earth Observations And Remote Sensing 录用。
合成孔径雷达(SAR)图像变化检测是遥感图像分析领域的一项有挑战性的任务。深度网络通常需要许多高质量的样本进行参数优化,伪标签中的噪声影响了变化检测性能。为了解决这个问题,我们提出了基于先验知识的神经网络(Graph-based knowlnedge supplement network, GKSNet)。从现有的标记数据集中提取信息作为额外的知识,在一定程度上抑制了噪声样本的影响。同时,我们还设计了一个图转移模块,将上下文信息从已标记的数据集用迁移到目标数据集,从而在数据集之间建立起特征关联。我们在四个SAR数据集上进行了实验,结果表明本文提出的 GKSNet 具有较好的变化检测性能。
论文链接:https://ieeexplore.ieee.org/document/9699382
ARXIV:https://arxiv.org/abs/2201.08954
论文即将在 github 公开源代码,地址为:https://github.com/summitgao/SAR_CD_GKSNet
王俊杰为高峰和董军宇老师共同指导的学生,已以第一作者在IEEE TGRS 发表论文1篇,在 IEEE JSTARS 发表论文1篇, 在CCF C类会议 ACM Multimedia Asia 发表论文1篇。目前在北京理工大学多维度信号与信息处理实验室攻读博士。