![]()
城市的发展就像一场永不停歇的变装秀，土地覆盖的变化频繁而复杂。想要给这场秀拍下精准的“快照”，我们需要明确而精确的土地覆盖变化信息，这将是城市管理的宝贵科学数据！为了捕捉城市发展在每个时空节点的精确模样，我们的变化检测模型不仅要指出“哪里变了”和“什么时候变的”，还得告诉我们“变成了什么”。这次 Workshop，我们就来揭秘一种酷炫的深度学习方法——时序语义分割变化检测（Temporal Semantic Segmentation Change Detection，TSSCD），它能一次性搞定变化的地点、时间和类型！我们将手把手教你如何搭建 TSSCD 模型，并把它用在时间序列土地覆盖变化检测上。从数据准备到模型训练，从区域推理到结果分析和制图，一站式学习体验，等你来挑战！本次 Workshop 设有“邀请好友领取《黑神话：悟空》游戏”环节，规则详情请划至文末查看。
在这场 Workshop 中，你将有机会选择雄安、武汉、深圳、开罗、墨尔本或纽约这六个城市中的一个，亲自搭建基于深度学习的时间序列变化检测模型，探索不同城市土地覆盖的变迁奥秘。通过这次实战演练，你不仅将掌握基于时间序列的土地覆盖变化检测的黑科技，还能在数据分析、模型构建和地理信息处理上大显身手，为你在地理信息系统、城市规划、环境保护等领域的未来研究之路，添上一双有力的翅膀！· 如何基于 Pytorch 框架搭建时序语义分割深度学习模型？· 如何构建密集时序标注数据集用于时序语义分割模型训练？· 如何使用训练好的模型推理并量化研究区域的土地覆盖变化情况？学习目标：
· 了解基于时间序列的土地覆盖变化检测的相关方法及优缺点
- · 学习开展时间序列语义变化检测从数据准备、模型训练评估、区域推理到结果分析和制图的完整技术路线
· 特邀导师 ·
贺海旭，中国地质大学（武汉）计算机学院博士研究生，主要研究方向包括大规模时序遥感数据智能分析、遥感时序变化检测和分类。目前在 RSE、TGRS 等期刊发表 SCI 检索论文 5 篇（一作/通讯 3 篇）。课题组 Github：https://github.com/CUG-BEODL/TSSCD · 课程大纲 ·
- 数据准备：了解时序语义分割任务中数据的输入x和输出y的维度变化以及训练集、验证集和测试集划分；
- 模型架构搭建：实现基于pytorch深度学习框架的FCN全卷积网络模型用于时序语义分割；
- 评价指标：构建时序语义分割的结果评价指标，从变化检测精度和分类精度两个角度。
- 数据准备：学习研究区域的四维数据组织（时序长度×谱段个数×长×宽）；
- 模型调用：调用已训练好的深度学习模型用于的研究区域的变化信息推理；
- 结果存储：将已推理好的结果进行在线存储，防止内存爆炸。
- 变化占比统计和制图：统计研究区域内变化和未变化的区域的比例；绘制变化与未变化区域的二值图。
- 变化频次和制图：统计研究区域内不同频次变化的占比；绘制研究区域内的变化频次图。
- 土地覆盖分类制图：绘制研究区域内任意时间点的土地覆盖分类制图；
- 土地覆盖占比变化趋势：统计研究区域不同土地覆盖类型的变化占比情况以及变化趋势；
- （基础）探究基于FCN架构的时序语义分割网络在设置不同隐藏层维度下的精度变化
- （进阶）探究时序语义分割网络在不同语义分割架构（如 Net、SegNet 下的效果）
- （基础）统计研究区域内不同土地覆盖类型之间的转化比例
- （进阶）统计研究区域内变化类型最明显的五个类型，并绘制变化类型图
· 8.20 起：查看教案，在线运行调试、复现学习https://www.heywhale.com/u/2b2c1e · 呼朋唤友，好礼到手 ·
![]()
· 你可获得 6 * 邀请人数 枚鲸币。鲸币可用于社区其他活动算力消耗等。· 如果你的邀请人数达到 10 人，且你的作业得分达到 60，即可获赠价值 268 元的《黑神话：悟空》游戏一份。· 前往和鲸社区网站，打开本活动页面，点击邀请页面中【复制邀请链接】红色按钮，发送给小伙伴，请受邀小伙伴报名时注意填写你的邀请码即可。
发放时间： Workshop 讲解会结束后 5 个工作日内
<复制邀请链接页面>
