qq_43456016的博客

本文介绍了一个用于处理xBD灾害数据的Python脚本，主要功能包括文件整理、掩码值转换、JSON文件更新、灾害标签生成和伪彩色转换。脚本通过命令行参数控制执行步骤，支持批量处理多个源目录中的数据。具体步骤包括：1) 文件整理，去除文件名中的“_pre”和“_post”后缀，并将文件分类存储；2) 掩码值转换，将0-1范围的掩码值转换为0-255；3) JSON文件更新，修改JSON文件中的图像名称；4) 灾害标签生成，根据前后灾图像生成灾害等级标签；5) 伪彩色转换，将单通道掩码转换为伪彩色图像。

本文介绍了一个用于生成和可视化类激活映射（CAM）的Python脚本，主要用于基于openmmlab或opencd变化检测模型的解释性分析。脚本通过配置字典定义模型、数据和CAM的生成参数，支持多种CAM方法（如GradCAM、GradCAM++、LayerCAM等）。核心功能包括模型初始化、图像预处理、目标层提取、CAM生成及热力图保存。脚本还提供了对ViT类模型的支持，并包含异常处理和资源清理机制，确保在GPU和CPU环境下的稳定运行。最终，生成的CAM结果和热力图将保存到指定目录。

在论文绘图时，传统的二元语义分割结果图颜色单一（下图左），所以论文中常根据混淆矩阵类别使用多颜色进行绘制（下图右），可以看到，结果的可视化效果更好。

论文作者提出了RS-Mamba(RSM)用于高分辨率遥感图像遥感的密集预测任务。RSM设计用于模拟具有线性复杂性的遥感图像的全局特征，使其能够有效地处理大型VHR图像。它采用全向选择性扫描模块，从多个方向对图像进行全局建模，从多个方向捕捉大的空间特征。2D全向扫描机制是本研究的主要创新点。作者考虑到遥感影像地物多方向的特点，在VMamba2D双向扫描机制的基础上增加了斜向扫描机制。

【代码】变化检测原始数据划分按比例为训练集、验证机和测试集。

本文主要从几何和语义两个角度对变化检测方法进行了分析和归纳总结，重点分析了几何信息的利用方式及深度神经网络的特征融合方式，随后总结了常用的变化检测公开样本数据集，最后对当前变化检测应用中遇到的核心问题及未来发展趋势进行了梳理与展望。