WD-CD: a large-scale high-resolution optical remote sensing benchmark for fine-grained change detection in war scenarios

方法

收集欧非亚5个战区9687对512×512影像，标注16类目标与6种变化状态，评

发现

模型表现有竞争力但损毁状态判别仍难；建筑几何跨区泛化好，损毁形态与背景具区域特异性。

机会点

可借鉴其细粒度变化检测与跨区泛化评估框架，迁移至农田损毁、撂荒与复耕监测。

引言 快速检测战争造成的破坏对于人道主义响应和战后重建至关重要，但目前仍缺乏大规模、标注完善的战争损毁变化检测基准。方法 我们提出了一个大规模、高分辨率的双时相光学遥感基准，用于战争损毁变化检测，命名为WD-CD。WD-CD包含9，687对512 × 512像素的双时相影像，采集自欧洲、非洲和亚洲五个受冲突影响的战区，覆盖总面积1，055.83 km²。该数据集提供了16个目标类别和最多六种变化状态的标注。我们评估了具有代表性的深度学习模型，进行了跨数据集比较，并开展了跨洲迁移实验。结果 基准评估在展现一致且有竞争力的性能的同时，也揭示了损毁状态判别所面临的挑战。跨洲迁移实验表明，建筑几何形态在不同区域间具有良好的泛化能力，而损毁形态和背景景观则具有区域特异性。讨论 WD-CD弥补了战争损毁变化检测领域缺乏大规模、细粒度基准的不足，为评估模型性能和跨区域泛化能力提供了基础。为支持开放科学和可重复性，该数据集将在收到请求后开放用于非商业学术研究。