要約
リモートセンシング（RS）変化検出（CD）は、共登録された二時点画像から「関心のある変化」を検出することを目指しています。既存の深層監督型CD手法の性能は、ネットワークを訓練するために使用される大量のアノテーションデータに帰属します。しかし、大量のリモートセンシング画像をアノテートすることは労力がかかるだけでなく高コストであり、特に二時点画像の場合には、人間の専門家によるピクセル単位での比較が必要となるためです。一方で、地球観測プログラムの増加により、ラベル付けされていない多時点RS画像に無制限にアクセスできることが多くなっています。本論文では、ラベル付けされていない二時点画像から情報を活用してCD手法の性能を向上させる簡単かつ効果的な方法を提案します。より具体的には、与えられたラベル付けされていない二時点画像ペアの出力変化確率マップが、その潜在特徴表現の差分マップに対して小さなランダムな摂動が適用された場合にも一貫性を持つように制約することで、監督型クロスエントロピー（CE）損失に加えて非監督型CD損失を定式化した半教師付きCDモデルを提案します。公開されている2つのCDデータセット上で実施された実験結果は、提案する半教師付きCD手法がわずか10%のアノテーショントレーニングデータしか利用できない場合でも、教師付きCDと同等またはそれに近い性能を達成できることを示しています。コードは https://github.com/wgcban/SemiCD で入手可能です。