（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。本赛道在变化检测标签基础上提供额外细粒度语义分割数据集，希望遴选出高效的结合语义分割标注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，提升遥感图像快速变化识别能力。主办方将从所提交算法在耕地-建筑/动土的对象级变化检测的能力、效率及创新性等方面对结果进行综合评价，最终决赛完成精度和速度比拼。

（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，模型复杂度及效率，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

规模：6000+张遥感影像变化检测样本数据(按512*512大小折算)；1万+遥感影像语义分割样本数据；

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.语义分割辅助数据集原始影像：影像格式为tif，包含R、G、B三个波段，影像尺寸为512*512

d.语义分割辅助数据集标签数据：标签格式为单通道的png，每个像素的标签值由一个数字表示，使用‘int32’数据类型存储，该三位数包含了一级和二级两个类别信息，百位上的一个数字表示一级类别，十位和个位上的两个数字一起表示二级类别。一级类别共分为8类，一级类别及对应的百位上的数字如下表所示：

提供的标签数据中，三位数标签的十位及个位数赋值为0，用百位上的一个数字来表示一级类别，例如：对于标签值为100的像元，对照表3，表示该像元的一级类别为水体。

（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

（6）提交示例

results.zip

——results

————test.segm.json

（7）评测标准

Score = AP10

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