要約
本論文では、コアレジストレーションされた画像のペアを使用して変化検出を行う3つの完全畳み込みニューラルネットワーク（FCN）アーキテクチャを提案します。特に、現在の問題に関するヒューリスティックを用いて、RGB画像とマルチスペクトル画像の両方を使用した2つのオープンな変化検出データセットでのテストで最良の結果を達成する2つのシアム型FCNの拡張を提案しています。我々のシステムが、注釈付き変化検出画像からゼロから学習できることを示しています。提案したアーキテクチャは、従来の手法よりも優れた性能を達成し、関連するシステムに比べて少なくとも500倍以上の速さを実現しています。本研究は、CopernicusやLandsatなどの大規模地球観測システムからのデータの効率的な処理への一歩となるものです。