셀프-서플라운드 전훈련은 세렌티언-2 영상에서 변화 탐지 성능을 향상시킨다.

위성 영상 기반 변화 탐지에 사용되는 주석이 달린 이미지는 희귀하며, 확보하는 데 비용이 매우 높다. 그러나 매일 수많은 레이블이 없는 영상 데이터가 생성되고 있다. 이러한 데이터를 활용하여 변화 탐지에 더 적합한 이미지 표현을 학습하기 위해, Sentinel-2 시계열 데이터의 시간적 일관성을 활용하여 사용 가능한 자기지도 학습 신호를 도출하는 방법을 탐색한다. 이를 위해 전 세계 1520개 도시 지역에서 수집한 다시시각 이미지 쌍을 포함하는 'Sentinel-2 다시시각 도시 쌍(Sentinel-2 Multitemporal Cities Pairs, S2MTCP)' 데이터셋을 구축하였으며, 이를 공개한다(https://zenodo.org/record/4280482). 다양한 자기지도 학습 방법을 활용하여 변화 탐지용 모델의 사전 학습 성능을 평가하고, 이 방법을 Sentinel-2 이미지 쌍으로 구성된 공개 변화 탐지 데이터셋(OSCD)에 적용한다.