JL1-CD: 원격 감지 변화 탐지를 위한 새로운 벤치마크 및 강력한 다중 교사 지식 증류 프레임워크

JL1-CD: A New Benchmark for Remote Sensing Change Detection and a Robust Multi-Teacher Knowledge Distillation Framework

February 19, 2025

저자: Ziyuan Liu, Ruifei Zhu, Long Gao, Yuanxiu Zhou, Jingyu Ma, Yuantao Gu

cs.AI

초록

딥러닝은 원격 탐사 영상 변화 탐지(CD) 분야에서 상당한 성과를 거두었지만, 여전히 두 가지 주요 과제가 남아 있습니다: 서브미터 수준의 포괄적인 오픈소스 CD 데이터셋의 부족, 그리고 변화 영역이 다양한 이미지들 간에 일관되고 만족스러운 탐지 결과를 달성하기 어려운 점입니다. 이러한 문제를 해결하기 위해, 우리는 0.5~0.75미터 해상도의 512 x 512 픽셀 이미지 5,000쌍으로 구성된 JL1-CD 데이터셋을 소개합니다. 또한, 변화 탐지를 위한 다중 교사 지식 증류(MTKD) 프레임워크를 제안합니다. JL1-CD와 SYSU-CD 데이터셋에 대한 실험 결과는 MTKD 프레임워크가 다양한 네트워크 구조와 파라미터 크기를 가진 CD 모델의 성능을 크게 향상시키며, 새로운 최첨단 결과를 달성함을 보여줍니다. 코드는 https://github.com/circleLZY/MTKD-CD에서 확인할 수 있습니다.

English

Deep learning has achieved significant success in the field of remote sensing image change detection (CD), yet two major challenges remain: the scarcity of sub-meter, all-inclusive open-source CD datasets, and the difficulty of achieving consistent and satisfactory detection results across images with varying change areas. To address these issues, we introduce the JL1-CD dataset, which contains 5,000 pairs of 512 x 512 pixel images with a resolution of 0.5 to 0.75 meters. Additionally, we propose a multi-teacher knowledge distillation (MTKD) framework for CD. Experimental results on the JL1-CD and SYSU-CD datasets demonstrate that the MTKD framework significantly improves the performance of CD models with various network architectures and parameter sizes, achieving new state-of-the-art results. The code is available at https://github.com/circleLZY/MTKD-CD.