초록
원격 감지(RS) 변화 탐지(CD)는 공통 등록된 이시점 이미지에서 "관심 있는 변화"를 감지하는 것을 목표로 합니다. 기존의 깊은 지도학습 CD 방법들의 성능은 네트워크를 훈련시키기 위해 사용된 대량의 주석화 데이터에 기인합니다. 그러나 대량의 원격 감지 이미지를 주석화하는 것은 노동 집약적이고 비용이 많이 들며, 특히 이시점 이미지는 전문가가 픽셀 단위로 비교해야 하므로 더욱 그렇습니다. 반면에, 지구 관측 프로그램의 증가로 인해 라벨이 붙지 않은 다시점 RS 영상에 대한 접근성이 무한히 높아졌습니다. 본 논문에서는 라벨이 붙지 않은 이시점 이미지에서 정보를 활용하여 CD 접근법의 성능을 개선하는 간단하면서도 효과적인 방법을 제안합니다. 구체적으로, 주어진 라벨이 붙지 않은 이시점 이미지 쌍의 출력 변화 확률 맵이 깊은 특성 차이 맵(두 잠재적 특성 표현 사이의 차이를 뺀 것)에 적용되는 작은 무작위 변동 하에서 일관성을 유지하도록 하는 비지도학습 CD 손실을 지도학습 크로스 엔트로피(CE) 손실과 함께 정식화한 준지도학습 CD 모델을 제안합니다. 두 개의 공개적으로 이용 가능한 CD 데이터셋에서 수행된 실험 결과, 제안된 준지도학습 CD 방법은 10% 미만의 주석화 훈련 데이터만으로도 지도학습 CD와 유사한 성능을 달성할 수 있음을 보여주었습니다. 코드는 https://github.com/wgcban/SemiCD 에서 확인 가능합니다.