编辑推荐丨SNU-PS变化检测网络降低对变化检测样本的依赖

第1013期推文，点击关注不迷路！主题词地表覆盖、变化检测、深度学习、 小样本样本不平衡、 语义分割网络、孪生网络、后验概率遥感学报NRSB北京师范大学陈学泓研究团队在《遥感学报》发表文章“基于分类后验概率空间的孪生Nested-UNet（SNU-PS）变化检测网络”，提出了一种基于分类后验概率空间的孪生Nested-UNet变化检测网络（SNU-PS），该网络通过结合两期地表覆盖分类后验概率信息，降低了对变化检测样本的依赖。研究背景深度学习在多时相遥感影像变化检测任务中表现出巨大的潜力。充分的训练样本是深度学习技术能够有效挖掘遥感影像变化特征的重要前提，然而当前有限的公开标注数据集还不能满足实际应用中各种变化类型检测的需求。由于地表覆盖变化通常只占据少部分区域，能够获取的变化样本常常数量很少，且与不变化样本相比存 ………………………………