Siamese U-Nets

新基准评估用于地球观测变化检测的AI

开发了一个新的基准来评估地球观测变化检测的AI方法，解决了当前研究中的不一致性。该基准标准化了评估协议，并在十个多样化的数据集和包括CNN和ViT在内的十个模型架构中考虑了预测准确性和计算效率。研究发现，当效率是一个因素时，优化的经典模型（如Siamese U-Nets）通常比复杂的当代模型表现更好，并且预训练在不增加推理成本的情况下持续提高性能。所有遵循FAIR原则的可复现性资源均公开可用。