（1）赛道背景

变化检测对“耕地红线”、土地利用监管等应用具有重要意义。 利用多时相遥感数据，采用多种图像处理和模式识别方法提取变化信息， 并定量分析和确定地表变化的特征与过程，便是遥感变化检测的本质。 传统遥感行业基于人工两期影像标注从而判别地物时相变化的方法受限于效率低、 成本高等问题，难以满足实际应用需求， 本赛道希望遴选出高效的遥感图像变化检测算法模型，对图像中的变化图斑信息进行高效识别， 提高空间信息网络建设中遥感图像快速变化识别能力。

（2）赛道任务

变化检测赛道力求对通过前后两时相的遥感影像，提取出地物发生变化的斑块。选手使用主办方提供的两个时相的遥感图像进行变化判别处理，主办方依据评分标准对结果进行综合评价。依据所述地物变化标准，以耕地-建筑/动土的对象级变化检测为目标，设计赛题如下：

a. 初赛：算法在耕地-建筑/动土的对象级变化检测的能力；

b. 复赛：算法在耕地-建筑/动土的对象级变化检测的能力。进阶考察算法分类的准确性，测试数据尺寸变化的适应性；

c. 决赛：算法在耕地-建筑/动土的对象级变化检测的能力。进阶考察现场答辩评议，嵌入式环境的适应性（模型复杂度及效率），算法分类的准确性，测试数据尺寸变化的适应性，支持统一的接口调用；

（3）数据简介

（1）来源：数据为1米-2米分辨率的高分一号、高分二号图像，由武汉大学测绘遥感信息工程国家重点实验室采集、标注、构建；

（2）规模：6000+张遥感影像变化检测样本数据(按512*512大小折算)；

（3）用途：土地利用动态监测，矿产资源开发状况和地质灾害的调查与监测；生态环境监管调查与评价，水环境监测与评估，空气环境监测与评价；耕地数量与质量调查。

（4）数据说明

a.原始影像：影像格式为tif，包含R、G、B三个波段，训练集影像尺寸为512*512像素，初赛测试集影像尺寸为512*512像素，复赛、决赛数据初步确定为大幅面遥感影像。

b.标签数据：标签格式为单通道的png，每个像素的标签值由一个数值表示，使用‘uint8’数据类型存储，该数值表示是否为变化，“0”代表未变化，“1”代表变化。

c.test目录下的instances_test.json 不包含标注信息，仅包含图像的imgId，选手需根据此文件中图片的id推理。

（5）提交要求

提交.zip格式压缩包，可解压缩出results文件夹，results文件夹中包含test.segm.json, test.segm.json格式参考coco2017实例分割的输出格式。

（6）提交示例

results.zip

——results

————test.segm.json

（7）评测标准

采用AP10作为精度评价指标

AP10和cocoapi实例分割标准一致，在实际耕地督察中对变化斑块的轮廓准确性要求不高，因此以IoU高于0.1作为实例分割评判标注