【SCPFCD】Change Detection Based on SupervisedContrastive Learning for High-ResolutionRemote Sensing

 

目录

0.摘要

 1.背景

2.SCPFCD网络总体结构

 2.1  CDContrast Pretraining

2.2 Land Contrastive Learning

3.实验

3.1WHU数据集

 3.2 Season-Varying数据集

 3.3 SECOND数据集

3.4 类内类间距离度量可视化

3.5超参确定

3.6损失函数与精度曲线对比

3.7时间空间复杂度

整理不易，欢迎一键三连！！！

---

0.摘要

        变化检测（CD）是高分辨率双时遥感图像中一项具有挑战性的任务。最近CD任务的许多研究都集中在设计全卷积孪生网络架构上。然而，这些方法中的大多数通过随机值或ImageNet预训练模型来初始化编码器，而没有CD任务的先验知识，从而限制了CD模型的性能。在本文中，提出了一种新的监督对比预训练和微调CD（SCPFCD）框架，该框架由两个级联级组成，用于训练基于预训练编码器的CD网络。在第一个监督对比预训练阶段，孪生网络的编码器在标记的CD数据被要求解决所提出的CD对比预训练方法上引入的联合借口任务。所提出的CDContrast预训练方法包括基于监督对比学习的陆地对比学习（LCL）和代理CD学习。LCL专注于从双时图像中学习土地覆盖之间的空间关系，求解地物对比度任务，而代理CD学习在上采样模块的顶部执行代理CD任务，以避免LCL的局部最优并学习CD的特征。然后，在第二微调阶段，用预训练的编码器初始化的整个孪生网络