README_zh.md

简体中文 | English | 简体中文 | CSDN Blog

SegChange-R1: LLM-Augmented Remote Sensing Change Detection

📄 This is the official implementation of the paper:
SegChange-R1: LLM-Augmented Remote Sensing Change Detection

Fei Zhou

Neusoft Institute Guangdong, China & Airace Technology Co.,Ltd., China

如果您喜欢 SegChange-R1，请为我们点赞⭐！您的支持是我们不断进步的动力！

遥感变化检测通过分析同一区域的特征随时间的变化，可用于城市规划、地形分析和环境监测。 在本文中，我们提出了一种大语言模型（LLM）增强推理方法（SegChange-R1），它通过整合文本描述信息来增强检测能力，并引导模型关注相关变化区域，从而加快收敛速度。 我们设计了一个基于注意力的线性空间转换模块（BEV），通过将不同时间的特征统一到一个 BEV 空间来解决模态错位问题。 此外，我们还介绍了 DVCD，这是一种用于从无人机视点进行建筑物变化检测的新型数据集。 在四个广泛使用的数据集上进行的实验表明，与现有方法相比，DVCD 有了显著的改进。

🚀 更新

• ✅ [2024.06.01] 开源代码
• ✅ [2025.06.22] 上传到 arXiv。

模型评估结果

入门指南

系统要求

• Python 3.12
• CUDA + PyTorch
• HuggingFace
• 稳定的网络连接
• 高质量代理IP（重要）

安装步骤

1. 创建虚拟环境

conda create -n segchange python=3.12 -y
conda activate segchange

2. 安装依赖包

pip install -r requirements.txt

3. 配置HuggingFace镜像

vim ~/.bashrc

export HF_ENDPOINT="https://hf-mirror.com"

source ~/.bashrc

数据集介绍

支持两种数据集结构格式：

1. 默认结构：

数据集的结构如下：

data/
  ├── train/
  │   ├── A/                  # 第一时相训练图像
  │   ├── B/                  # 第二时相训练图像
  │   ├── label/              # 训练标签（变化掩码）
  │   └── prompts.txt         # 训练集文本描述提示
  ├── val/
  │   ├── A/                  # 第一时相验证图像
  │   ├── B/                  # 第二时相验证图像
  │   ├── label/              # 验证标签（变化掩码）
  │   └── prompts.txt         # 验证集文本描述提示
  └── test/
      ├── A/                  # 第一时相测试图像
      ├── B/                  # 第二时相测试图像
      ├── label/              # 测试标签（变化掩码）
      └── prompts.txt         # 测试集文本描述提示

修改参数文件configs中的data_format为default。

2. 自定义结构：

数据集的结构如下：

data/
  ├── A/                      # 第一时相训练图像
  │── B/                      # 第二时相训练图像
  │── label/                  # 标签（变化掩码）
  │── list                    # 列表文件
  │   ├── train.txt           # 训练集列表
  │   ├── val.txt             # 验证集列表
  │   └── test.txt            # 测试集列表
  └── prompts.txt             # 文本描述提示

修改参数文件configs中的data_format为custom。

训练

生成词嵌入文件

使用文本生成, 并修改参数文件configs中的desc_embs为None，执行脚本。

python ./examples/text_gen.py -c ./configs/config.yaml

如果需要做多类别变化检测，则需要手工标注类别描述文本。

命令行训练

python train.py -c ./configs/config.yaml

测试

python test.py -c ./configs/config.yaml

推理TIF

python infer.py -c ./configs/config.yaml

app demo

cd examples/gradio_app
chmod +x ./run.sh
bash run.sh

贡献

欢迎提交问题和代码改进。请确保遵循项目的代码风格和贡献指南。

许可证

本项目使用 Apache License 2.0

引用

如果您在研究中使用 SegChange-R1，请引用：

@article{zhou2025segchange-r1,
  title={SegChange-R1: LLM-Augmented Remote Sensing Change Detection},
  author={Zhou, Fei},
  journal={arXiv preprint arXiv:2506.17944},
  year={2025},
  eprint={/2506.17944},
  archivePrefix={arXiv},
  primaryClass={cs.CV}
}