回顾变化检测学习方法,包括深度学习的代码和开放数据集。来自论文: 基于人工智能的变化检测: 最先进的技术和挑战
1. Introduction
基于遥感(RS)数据的变化检测是检测地表变化的一种重要方法,在城市规划、环境监测、农业调查、灾害评估、地图修订等方面有着广泛的应用。近年来,集成人工智能(AI)技术已成为开发新的变化检测方法的研究热点。尽管一些研究人员声称AI-based变化检测方法优于传统的变化检测方法,但人工智能如何以及在多大程度上提高变化检测的性能还不十分明显。这篇综述集中在state-of-the-art方法、应用和人工智能在变化检测方面的挑战。首先介绍了AI-based变化检测的实现过程。然后,介绍了用于变化检测的不同传感器的数据,包括光学遥感数据、合成孔径雷达(SAR)数据、街景图像以及混合异构数据,并列出了可用的开放数据集。系统地回顾和分析了AI-based变化检测方法的一般框架,并进一步分析了AI-based变化检测中的无监督方案。随后,介绍了人工智能中常用的变化检测网络。从实用角度出发,对AI-based变化检测方法的应用领域进行了分类。最后,讨论了人工智能在变化检测中的主要挑战和前景,包括:(1)异构大数据处理;(2)无监督人工智能;(3)人工智能的可靠性。这篇综述将有助于研究者理解这一领域。
2 实施过程
图2提供了AI-based变更检测的一般实现过程,但是人工智能模型的结构是多样的,需要根据不同的应用情况和训练数据进行良好的设计。值得一提的是,现有的TensorFlow、Keras、Pythorch、Caffe等成熟框架帮助研究人员更容易实现人工智能模型的设计、训练和部署,他们的开发文档提供了详细的介绍。
具体请访问https://www.5axxw.com/wiki/content/y3bz0q#9wpbdf04t7m
中文版:https://www.5axxw.com/wiki/content/y3bz0q