ChangeMamba

ChangeMamba: 利用时空状态空间模型进行遥感影像变化检测

Hongruixuan Chen^{1 #}, Jian Song^{1,2 #}, Chengxi Han³, Junshi Xia², Naoto Yokoya^{1,2 *}

¹ 东京大学, ² 理化学研究所先进智能研究中心, ³ 武汉大学.

^# 共同第一作者, ^* 通讯作者

🛎️更新日志

通知🐍🐍: ChangeMamba已经被IEEE TGRS接收！仓库的代码已更新完毕！如果对您的研究有所帮助，请考虑给该仓库一个⭐️star⭐️！
2024年07月19日: ChangeMamba入选为IEEE TGRS热门论文！！
2024年07月19日: ChangeMamba入选为IEEE GRSS周推荐论文！！
2024年07月01日: 我们上传了经过预处理的SECOND数据集！！
2024年06月17日: ChangeMamba被IEEE TGRS接收！
2024年06月08日: 中文版文档已上线！！
2024年04月18日: 我们已经发布了 ChangeMamba 模型在 BCD 任务中的所有权重。欢迎使用！！
2024年04月05日: 该工作的[ArXiv论文]已经上线！！
2024年04年05日: MambaBCD、MambaSCD 和 MambaBDA 的模型和训练代码已经整理并上传。欢迎使用！！

🔭简介

ChangeMamba系列模型包括三种有效的变化检测任务的基准模型，分别为二元变化检测模型MambaBCD、语义变化检测模型MambaSCD和建筑物损坏评估模型MambaBDA。

ChangeMamba中的三种时空关系学习机制

🗝️开始使用

`一、安装`

此仓库的代码是在 Linux 系统下运行的。我们尚未测试是否能在其他操作系统下运行。

首先需要安装VMama仓库。以下安装顺序取自VMama仓库。

步骤 1 —— 克隆仓库:

克隆该版本库并导航至项目目录：

git clone https://github.com/ChenHongruixuan/MambaCD.git
cd MambaCD

步骤 2 —— 环境设置:

建议设置 conda 环境并通过 pip 安装依赖项。使用以下命令设置环境：

创建并激活新的 conda 环境

conda create -n changemamba
conda activate changemamba

安装依赖项

pip install -r requirements.txt
cd kernels/selective_scan && pip install .

检测和分割任务的依赖库（在 VMamba 中为可选项）

pip install mmengine==0.10.1 mmcv==2.1.0 opencv-python-headless ftfy regex
pip install mmdet==3.3.0 mmsegmentation==1.2.2 mmpretrain==1.2.0

`二、下载预训练权重`

另外，请下载VMamba-Tiny, VMamba-Small, and VMamba-Base在ImageNet上的预训练权重并把它们放在下述文件夹中

project_path/MambaCD/pretrained_weight/

`三、数据准备`

二元变化检测

论文使用了三个基准数据集 SYSU、LEVIR-CD+ 和 WHU-CD 用于评估模型的二元变化检测的性能。请下载这些数据集，并将其组织成下述文件夹/文件结构：

${DATASET_ROOT}   # 数据集根目录，例如: /home/username/data/SYSU
├── train
│   ├── T1
│   │   ├──00001.png
│   │   ├──00002.png
│   │   ├──00003.png
│   │   ...
│   │
│   ├── T2
│   │   ├──00001.png
│   │   ... 
│   │
│   └── GT
│       ├──00001.png 
│       ...   
│   
├── val
│   ├── ...
│   ...
│
├── test
│   ├── ...
│   ...
│ 
├── train.txt   # 数据名称列表，记录所有训练数据的名称
├── val.txt     # 数据名称列表，记录所有验证数据的名称
└── test.txt    # 数据名称列表，记录所有测试数据的名称

语义变化检测

语义变化检测任务的数据集为SECOND数据集。请下载该数据集，并使其具有以下文件夹/文件结构。请注意，原始 SECOND 数据集中的土地覆盖图为 RGB 图像。您需要将其转换为单通道图像。另外，二元变化图需要您自行生成，并将其放入文件夹 [GT_CD]。

或者，欢迎您直接下载并使用经过我们预处理后的SECOND 数据集。

${DATASET_ROOT}   # 数据集根目录，例如 /home/username/data/SECOND
├── train
│   ├── T1
│   │   ├──00001.png
│   │   ├──00002.png
│   │   ├──00003.png
│   │   ...
│   │
│   ├── T2
│   │   ├──00001.png
│   │   ... 
│   │
│   ├── GT_CD   # 二元变化图
│   │   ├──00001.png 
│   │   ... 
│   │
│   ├── GT_T1   # T1时相的土地覆盖图
│   │   ├──00001.png 
│   │   ...  
│   │
│   └── GT_T2   # T2时相的土地覆盖图
│       ├──00001.png 
│       ...  
│   
├── test
│   ├── ...
│   ...
│ 
├── train.txt
└── test.txt

建筑物损坏评估

xBD 数据集可从 xView 2 挑战赛网站下载。下载后，请按以下结构进行组织：

${DATASET_ROOT}   # 数据集根目录，例如：/home/username/data/xBD
├── train
│   ├── images
│   │   ├──guatemala-volcano_00000000_pre_disaster.png
│   │   ├──guatemala-volcano_00000000_post_disaster.png
│   │   ...
│   │
│   └── targets
│       ├──guatemala-volcano_00000003_pre_disaster_target.png
│       ├──guatemala-volcano_00000003_post_disaster_target.png
│       ... 
│   
├── test
│   ├── ...
│   ...
│
├── holdout
│   ├── ...
│   ...
│
├── train.txt # 数据名称列表，记录所有训练数据的名称
├── test.txt  # 数据名称列表，记录所有测试数据的名称
└── holdout.txt  # 数据名称列表，记录所有留出集数据的名称

`四、训练模型`

在训练模型之前，请进入 [changedetection]文件夹，其中包含网络定义、训练和测试的所有代码。

cd <project_path>/MambaCD/changedetection

二元变化检测

运行以下命令在 SYSU 数据集上训练和评估 MambaBCD-Small模型：

python script/train_MambaBCD.py  --dataset 'SYSU' \
                                 --batch_size 16 \
                                 --crop_size 256 \
                                 --max_iters 320000 \
                                 --model_type MambaBCD_Small \
                                 --model_param_path '<project_path>/MambaCD/changedetection/saved_models' \ 
                                 --train_dataset_path '<dataset_path>/SYSU/train' \
                                 --train_data_list_path '<dataset_path>/SYSU/train_list.txt' \
                                 --test_dataset_path '<dataset_path>/SYSU/test' \
                                 --test_data_list_path '<dataset_path>/SYSU/test_list.txt'
                                 --cfg '<project_path>/MambaCD/changedetection/configs/vssm1/vssm_small_224.yaml' \
                                 --pretrained_weight_path '<project_path>/MambaCD/pretrained_weight/vssm_small_0229_ckpt_epoch_222.pth'

语义变化检测

运行以下命令在 SECOND 数据集上训练和评估 MambaSCD-Small模型：

python script/train_MambaSCD.py  --dataset 'SECOND' \
                                 --batch_size 16 \
                                 --crop_size 256 \
                                 --max_iters 800000 \
                                 --model_type MambaSCD_Small \
                                 --model_param_path '<project_path>/MambaCD/changedetection/saved_models' \ 
                                 --train_dataset_path '<dataset_path>/SECOND/train' \
                                 --train_data_list_path '<dataset_path>/SECOND/train_list.txt' \
                                 --test_dataset_path '<dataset_path>/SECOND/test' \
                                 --test_data_list_path '<dataset_path>/SECOND/test_list.txt'
                                 --cfg '<project_path>/MambaCD/changedetection/configs/vssm1/vssm_small_224.yaml' \
                                 --pretrained_weight_path '<project_path>/MambaCD/pretrained_weight/vssm_small_0229_ckpt_epoch_222.pth'

Building Damge Assessment

运行以下命令在 xBD 数据集上训练和评估 MambaBDA-Small：

python script/train_MambaSCD.py  --dataset 'xBD' \
                                 --batch_size 16 \
                                 --crop_size 256 \
                                 --max_iters 800000 \
                                 --model_type MambaBDA_Small \
                                 --model_param_path '<project_path>/MambaCD/changedetection/saved_models' \ 
                                 --train_dataset_path '<dataset_path>/xBD/train' \
                                 --train_data_list_path '<dataset_path>/xBD/train_list.txt' \
                                 --test_dataset_path '<dataset_path>/xBD/test' \
                                 --test_data_list_path '<dataset_path>/xBD/test_list.txt'
                                 --cfg '<project_path>/MambaCD/changedetection/configs/vssm1/vssm_small_224.yaml' \
                                 --pretrained_weight_path '<project_path>/MambaCD/pretrained_weight/vssm_small_0229_ckpt_epoch_222.pth'

`五、使用训练完成后的权重进行推理`

推理前，请先通过命令行进入 [changedetection]文件夹。

cd <project_path>/MambaCD/changedetection

二元变化检测

以下命令展示了如何在 LEVIR-CD+ 数据集上使用训练完成的 MambaBCD-Tiny 推断二元变化图：

提示: 请使用 [--resume] 来加载训练过的模型，而不要使用 [--pretrained_weight_path]。

python script/infer_MambaBCD.py  --dataset 'LEVIR-CD+' \
                                 --model_type 'MambaBCD_Tiny' \
                                 --test_dataset_path '<dataset_path>/LEVIR-CD+/test' \
                                 --test_data_list_path '<dataset_path>/LEVIR-CD+/test_list.txt' \
                                 --cfg '<project_path>/MambaCD/changedetection/configs/vssm1/vssm_tiny_224_0229flex.yaml' \
                                 --pretrained_weight_path '<project_path>/MambaCD/pretrained_weight/vssm_tiny_0230_ckpt_epoch_262.pth'
                                 --resume '<saved_model_path>/MambaBCD_Tiny_LEVIRCD+_F1_0.8803.pth'

语义变化检测

以下命令展示了如何在 SECOND 数据集上使用训练完成的 MambaSCD-Tiny 推断语义变化图：

python script/infer_MambaBCD.py  --dataset 'SECOND'  \
                                 --model_type 'MambaSCD_Tiny' \
                                 --test_dataset_path '<dataset_path>/SECOND/test' \
                                 --test_data_list_path '<dataset_path>/SECOND/test_list.txt' \
                                 --cfg '<project_path>/MambaCD/changedetection/configs/vssm1/vssm_tiny_224_0229flex.yaml' \
                                 --pretrained_weight_path '<project_path>/MambaCD/pretrained_weight/vssm_tiny_0230_ckpt_epoch_262.pth'
                                 --resume '<saved_model_path>/[your_trained_model].pth'

建筑物损害评估

以下命令展示了如何在 xBD 数据集上使用训练完成的 MambaBDA-Tiny 推断语义变化图：

python script/infer_MambaBDA.py  --dataset 'SECOND'  \
                                 --model_type 'MambaSCD_Tiny' \
                                 --test_dataset_path '<dataset_path>/xBD/test' \
                                 --test_data_list_path '<dataset_path>/xBD/test_list.txt' \
                                 --cfg '<project_path>/MambaCD/changedetection/configs/vssm1/vssm_tiny_224_0229flex.yaml' \
                                 --pretrained_weight_path '<project_path>/MambaCD/pretrained_weight/vssm_tiny_0230_ckpt_epoch_262.pth'
                                 --resume '<saved_model_path>/[your_trained_model].pth'

⚗️结果下载

非常感谢您如果能给此 repo 一个⭐️star⭐️并且保持关注。
请注意，由于我们上传到Github的代码是经过重新组织整理的。下面提供的模型权重也是采用重新组织整理后的代码训练得到的，因此精度可能会和原始论文不完全一致（大多数情况都高于论文中报告的精度）。

`一、VMamba（编码器）的预训练权重`

方法	ImageNet (ckpt)
VMamba-Tiny	[GDrive][BaiduYun]
VMamba-Small	[GDrive][BaiduYun]
VMamba-Base	[GDrive][BaiduYun]

`二、二元变化检测`

方法	SYSU (ckpt)	LEVIR-CD+ (ckpt)	WHU-CD (ckpt)
MambaBCD-Tiny	[GDrive][BaiduYun]	[GDrive][BaiduYun]	[GDrive][BaiduYun]
MambaBCD-Small	[GDrive][BaiduYun]	[GDrive][BaiduYun]	[GDrive][BaiduYun]
MambaBCD-Base	[GDrive][BaiduYun]	[GDrive] [BaiduYun]	[GDrive][BaiduYun]

`三、语义变化检测`

方法	SECOND (ckpt)	SECOND (results)
MambaSCD-Tiny	--	--
MambaSCD-Small	--	--
MambaSCD-Base	--	--

`四、建筑物损害评估`

方法	xBD (ckpt)	xBD (results)
MambaBDA-Tiny	--	--
MambaBDA-Small	--	--
MambaBDA-Base	--	--

🤔常见问题

下面列出了一些常见问题的快速、简便的解决方案。

问题	解决方案
关于SECOND数据集的问题	请参考 Issue #13 / #22 / #45
CUDA out of memory issue	请降低训练和评估的batch size
修改模型结构	请参考 Issue #44
关于iteration、epoch和batch size之间的关系	请参考 Issue #32 / #48
NameError: name 'selective_scan_cuda_oflex' is not defined	请参考 Issue #9

📜引用

如果我们的代码有助于您的研究，请考虑引用我们的论文，并给我们一个⭐️star⭐️ :)

@article{chen2024changemamba,
  author={Hongruixuan Chen and Jian Song and Chengxi Han and Junshi Xia and Naoto Yokoya},
  journal={IEEE Transactions on Geoscience and Remote Sensing}, 
  title={ChangeMamba: Remote Sensing Change Detection with Spatiotemporal State Space Model}, 
  year={2024},
  volume={62},
  number={},
  pages={1-20},
  doi={10.1109/TGRS.2024.3417253}
}

🤝致谢

本项目采用和借鉴了(paper, code), ScanNet (paper, code), BDANet (paper, code)等仓库。感谢他们的优秀工作！

🙋联系我们

如有任何问题，请随时联系我们。

Provide feedback

Saved searches

Use saved searches to filter your results more quickly

README_zh-CN.md

README_zh-CN.md

ChangeMamba

ChangeMamba: 利用时空状态空间模型进行遥感影像变化检测

🛎️更新日志

🔭简介

🗝️开始使用

`一、安装`

`二、下载预训练权重`

`三、数据准备`

`四、训练模型`

`五、使用训练完成后的权重进行推理`

⚗️结果下载

`一、VMamba（编码器）的预训练权重`

`二、二元变化检测`

`三、语义变化检测`

`四、建筑物损害评估`

🤔常见问题

📜引用

🤝致谢

🙋联系我们

Files

README_zh-CN.md

Latest commit

History

README_zh-CN.md

File metadata and controls

ChangeMamba

ChangeMamba: 利用时空状态空间模型进行遥感影像变化检测

🛎️更新日志

🔭简介

🗝️开始使用

一、安装

二、下载预训练权重

三、数据准备

四、训练模型

五、使用训练完成后的权重进行推理

⚗️结果下载

一、VMamba（编码器）的预训练权重

二、二元变化检测

三、语义变化检测

四、建筑物损害评估

🤔常见问题

📜引用

🤝致谢

🙋联系我们

`一、安装`

`二、下载预训练权重`

`三、数据准备`

`四、训练模型`

`五、使用训练完成后的权重进行推理`

`一、VMamba（编码器）的预训练权重`

`二、二元变化检测`

`三、语义变化检测`

`四、建筑物损害评估`