武辰、杜博、张良培教授在人工智能领域顶级期刊TPAMI发表遥感变化检测论文

近日，国际人工智能领域顶级期刊《IEEE Transactions on Pattern Analysis and Machine Intelligence》(IEEE TPAMI, IF=24.314)在线刊发了团队武辰教授、杜博教授以及张良培教授题为“Fully Convolutional Change Detection Framework with Generative Adversarial Network for Unsupervised, Weakly Supervised and Regional Supervised Change Detection”的论文，该项研究工作将多种监督方式的遥感变化检测任务集成为一个端到端网络，为遥感变化检测提供了全新解决方案。论文的第一作者为武辰教授，通讯作者为杜博教授与张良培教授。该研究工作得到国家自然科学基金、国家科技部重点研发计划项目等项目的资助。

                 弱监督变化检测结果       区域监督变化检测结果

                  基于生成对抗网络的全卷积变化检测框架及部分实验结果

当前深度学习在遥感变化检测领域内是热门话题。然而，大多数端到端网络仅针对有监督变化检测任务设计，而无监督变化检测模型则严重依赖传统预检测方法。针对以上问题，该研究提出一种全卷积变化检测框架，结合了生成对抗网络，将无监督、弱监督、区域监督和全监督的变化检测任务统一到一个端到端框架中，探索构造变化检测任务的“大一统”模型。具体来说：1）通过使用基于U-Net的分割器来获得变化检测图，并通过图像生成器模拟多时相图像的光谱和空间变化，以及通过辨别器模拟弱监督和区域监督变化检测任务中语义变化；2）通过分割器和生成器的迭代优化，构建端到端的无监督变化检测网络，分割器与鉴别器之间的对抗过程为弱监督和区域监督变化检测的解决方案；3）此外，分割器本身也可以用于全监督任务。实验表明，其所提出的框架在无监督、弱监督和区域监督变化检测任务的有效性。该项工作为无监督、弱监督和区域监督变化检测任务提供了新的理论定义，并显示了遥感变化检测端到端网络的巨大潜力。

智能感知与机器学习研究组SIGMA (Sensing IntelliGence and MAchine learning group)是一个依托武汉大学计算机学院、测绘遥感信息工程国家重点实验室、人工智能研究院的跨学科交叉研究团队，武辰教授为团队核心成员，团队负责人为计算机学院杜博院长，学术指导为张良培教授，课题组主要研究人工智能、机器学习、计算机视觉等领域的理论与技术，实现遥感图像、自然图像和医学图像的高效、高精度和智能化解译。

论文预览版链接：https://ieeexplore.ieee.org/document/10019593

代码链接：https://github.com/Cwuwhu/FCD-GAN-pytorch

武辰教授个人主页：http://jszy.whu.edu.cn/wuchen/zh_CN/index.htm

SIGMA团队主页：http://sigma.whu.edu.cn/index.php