Core Concepts
지식 증류 및 다중 스케일 시그모이드 추론을 활용한 약간 감독 변경 감지 기술은 이미지 수준 레이블을 활용하여 효율적으로 변경을 감지하는 혁신적인 방법을 제시한다.
Abstract
변경 감지는 자연적 또는 인공적인 원인으로 인한 다중 시간 이미지 쌍에서 공간적 변경을 감지하는 것을 목표로 한다.
대부분의 기존 변경 감지 방법은 완전 감독이며 픽셀 수준 레이블이 필요하다.
약간 감독 변경 감지 기술은 이미지 수준 레이블을 활용하여 변경 감지 모델을 훈련한다.
지식 증류 및 다중 스케일 시그모이드 추론을 통해 변경 확률 맵을 더 정확하게 생성하고 성능을 향상시킨다.
실험 결과는 제안된 기술이 세 가지 공개 데이터셋에서 최신 기술을 크게 능가한다는 것을 입증한다.
Stats
변경 감지 모델의 성능을 평가하기 위해 세 가지 공개 데이터셋에서 실험을 수행했다.
LEVIR-CD, WHU-CD, DSIFN-CD 데이터셋에서 제안된 기술이 최신 기술을 크게 능가함을 보여줌.
Quotes
"변경 감지는 자연적 또는 인공적인 원인으로 인한 다중 시간 이미지 쌍에서 공간적 변경을 감지하는 것을 목표로 한다."
"약간 감독 변경 감지 기술은 이미지 수준 레이블을 활용하여 효율적으로 변경을 감지하는 혁신적인 방법을 제시한다."