基于混合变压器的对比域适应框架用于无监督的超光谱变化检测
Jiahui Qu1, Jingyu Zhao1, Wenqian Dong1
1State Key Laboratory of Integrated Service Network, Xidian University, Xi'an, 710071, China.
概括
本研究介绍了CDAFormer,这是一种用于无监督超光谱图像变化检测的新框架. 它有效地识别了图像的变化,而不需要标记数据,提高了不同数据集的检测准确性.
科学领域:
- 遥感 遥感 遥感 遥感
- 计算机视觉 计算机视觉
- 机器学习 机器学习
背景情况:
- 超谱图像 (HSI) 变化检测对于监测环境和城市变化至关重要.
- 目前的深度学习方法由于分布转移而难以将其推广到新的HSI数据集.
- 获取标记HSI数据用于培训是昂贵和耗时的.
研究的目的:
- 开发一种无监督的方法来检测HSI变化,克服一般化问题.
- 为了减少对昂贵,手动注释的HSI数据集的依赖.
- 通过利用域调整技术,提高HSI变化检测的性能.
主要方法:
- 建议采用基于混合变压器的对比域调整 (CDAFormer) 框架.
- 该方法将源域和目标域之间的变化和不变的差异特征对齐.
- 在特征级别的对比性学习完善域调整,确保特征可分离性.
主要成果:
- 在广泛使用的HSI数据集上,CDAFormer表现出卓越的性能.
- 该方法有效地弥合了域差异,而不需要标记训练样本.
- 与现有的最先进的技术相比,实现了更高的检测准确度.
结论:
- 拟议的CDAFormer框架为无监督的HSI变化检测提供了一个强大的解决方案.
- 有效的域名适应显著增强了跨多种HSI数据的模型概括性.
- 这种方法可以减少数据注释的负担,同时保持高检测性能.
