全局-局部对比学习

像素级自监督预训练

将实例判别扩展到像素级，通过全局与局部对比学习增强特征判别性，为细粒度变化检测提供更好的预训练模型。

Jiang, Fenlong · 公茂果 · Zheng, Hanhong · 柳童斐 · 张明阳 · Liu, Jialu

IEEE Transactions on Geoscience and Remote Sensing 2023

技术优势

不用标注也能学

通过全局与局部对比学习，无需标注数据即可学到高质量特征，直接用于下游细粒度变化检测。

预训练更贴合任务

编码器直接采用细粒度变化检测常用骨干网络，预训练后可直接用于下游任务，加速部署。

像素级判别力更强

在像素级进行实例判别，同一实例不同视角特征被拉近，不同实例被推远，增强特征判别性。

应用场景

• 遥感图像变化检测：用预训练特征提升变化检测精度，减少标注依赖。
• 细粒度变化检测：像素级对比特征更适合细粒度目标变化判别。
• 高分辨率影像分析：从高分辨率影像学到更精细的局部特征，适应复杂场景。
• 自监督学习：提供无需标注的预训练方案，降低数据准备成本。