本文介绍了基于卷积神经网络和迁移学习的无监督变化检测算法,本工作由赛博智能团队的刘俊夫等人提出,相关论文已于2019年在领域期刊发表录用。
Liu J, Chen K, Xu G, et al. Convolutional neural network-based transfer learning for optical aerial images change detection[J]. IEEE Geoscience and Remote Sensing Letters, 2019, 17(1): 127-131.
背景介绍
变化检测是指通过分析同一区域在不同时间采集的遥感图像,获取该地区地物信息变化的技术。随着深度学习的崛起,基于深度特征的遥感图像变化检测研究极具前景,但深度特征强大的表示能力往往依赖大量标签数据,而在实际场景中,往往较难获取这类标签数据,给基于深度学习的遥感图像变化检测带来极大挑战。
基于以上问题,本文提出了基于卷积神经网络和迁移学习的无监督变化检测算法,缓解了变化检测算法的标注压力。
算法介绍
本文算法主要分为以下几步,包括预训练语义分割模型、模型扩展