A Change Detection Reality Check

要約

近年、リモート センシングの文献では、変化検出ディープラーニング アーキテクチャの提案が急増しています。
これらのアプローチは、さまざまな標準ベンチマーク データセットで最先端のパフォーマンスを提供すると主張しています。
しかし、この分野は本当に大きな進歩を遂げたのでしょうか?
このペーパーでは、トレーニング トリックや複雑なアーキテクチャの変更を行わない単純な U-Net セグメンテーション ベースラインが、依然として変更検出タスクのパフォーマンスのトップであると結論付ける実験を行っています。

要約(オリジナル)

In recent years, there has been an explosion of proposed change detection deep learning architectures in the remote sensing literature. These approaches claim to offer state-of-the-art performance on different standard benchmark datasets. However, has the field truly made significant progress? In this paper we perform experiments which conclude a simple U-Net segmentation baseline without training tricks or complicated architectural changes is still a top performer for the task of change detection.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google