近日，城市陆表环境遥感团队2024届毕业生赵茂帆博士在读期间发表在《IEEE Transactions on Geoscience and Remote Sensing》上的论文“Beyond Pixel‑Level Annotation: Exploring Self‑Supervised Learning for Change Detection With Image‑Level Supervision”入选ESI高被引论文，该研究得到国家自然科学基金重大项目“地表异常遥感探测与即时诊断方法”（42192580）”课题的资助。

该研究针对变化区域破碎、与背景相似等挑战，提出了一种基于图像级标签的弱监督变化检测框架（WSLCD），显著降低了对像素级标注的依赖。其首先构建了双分支孪生网络，分别输入原始与空间变换后的双时相图像对，通过互相学习与等变正则化（MLER）在混淆区域建立语义一致性约束，生成高质量的类别激活图（CAM）；进一步构建基于原型的对比学习机制，包括视角内对比与跨视角对比，引导不可靠像素从可靠像素生成的类别原型中学习辨别性表征；在多样化场景的实验表明本方法大幅提升弱监督变化检测的准确性，缩小了与全监督模型之间的性能差距。

论文链接：https://ieeexplore.ieee.org/abstract/document/10476394

论文详细介绍：https://mp.weixin.qq.com/s/j_n0UPnwv_6TOasIyC8XTQ

第一作者简介：赵茂帆，西南交通大学助理教授，中国科学院空天信息创新研究院2024届博士，主要从事多源遥感影像分析研究，获得中国科学院院长奖与北京市优秀毕业生等奖励，曾受国家留学基金委和中国科学院大学联合资助在意大利特伦托大学Lorenzo Bruzzone教授课题组联合培养两年。参与完成了高分辨率对地观测系统重大专项与中科院空天院科学与颠覆性技术研究先导项目等课题，在RSE、TGRS等遥感领域国际权威期刊发表多篇论文，受理或授权发明专利10余项。