卫星图变化检测论文研读：Transferred Deep Learning-Based Change Detection in Remote Sensing Images 2019

期刊：IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING ，ieee trans 中等刊

目的：同一位置不同时间的卫星图变化检测。

亮点：①设置多任务网络，一个任务是change二值化识别（训练集，有change标签），一个是规则差分识别（测试集，无change标签，规则生成差分标签）。两个任务底层参数共享，文称该结构可降低训练集和测试集直接数据分布的差异（持怀疑态度，这个逻辑是真滴.... 不怎么样）。

②迁移学习，第①部分为预训练，第二部分进行fine-tune，训练数据采用测试集，利用规则伪造change标签，然后亮点在于对伪造的标签以像素为单位统计邻域内1的数量进行分类，筛选出伪标签质量高的path进行fine-tune，以拟合测试集的数据。

网络：

crop：将domain区分割成带有重叠部分的小瓦片28*28，重叠部分取均值进行边缘优化。

select pathes：筛选出像素变化率5%以上的pathes

RDN：包含change detect （bce loss）and reconstruction (均方差 loss) 均为unet框架

RDN：

change detect: 最终取a结构

tips：借鉴人脸验证的技巧，交换不同日期的两个图片可以学习不同的模式，所以数据集有必要因此扩充一倍。