自监督预训练提升Sentinel-2影像中的变化检测性能

尽管用于卫星影像变化检测的标注图像稀少且获取成本高昂，但每天却产生海量的未标注图像。为充分利用这些数据，学习更适用于变化检测的图像表征，我们探索了利用Sentinel-2时间序列的时序一致性来构建有效的自监督学习信号的方法。为此，我们构建并公开发布了Sentinel-2多时相城市图像对数据集（Sentinel-2 Multitemporal Cities Pairs, S2MTCP），该数据集包含全球1520个城区的多时相图像对，现已可通过https://zenodo.org/record/4280482 公开获取。我们测试了多种自监督学习方法在变化检测模型预训练中的效果，并将其应用于一个基于Sentinel-2图像对的公开变化检测数据集（OSCD）。