LiteCDNet — 遥感变化检测

轻量遥感变化检测 PyTorch 训练、评估与消融实验框架

1. 项目一句话定位

LiteCDNet 是一个面向遥感影像双时相变化检测实验的公开整理版 PyTorch 仓库。其核心贡献是提出了一种轻量化变化检测网络 LiteCDNet（仅 2.47M 参数、2.14G FLOPs），并提供了一套完整的训练、评估、A0-A7 消融实验体系以及 SEIFNet、A2Net、ChangeFormer 等多模型对比基线。仓库来源于作者本科毕业设计实验代码的收敛与工程化清理，目标是以可复现的方式展示研究方法、模型组织方式和训练流程。

2. Screenshots / Demo

LiteCDNet 网络架构

LEVIR-CD 参数-精度对比

复杂度总览

单样本预测示例 (LEVIR-CD)

待补充截图：A0-A7 消融摘要（已有 assets/ablation-summary.png，可自行查看）

运行训练后可查看 TensorBoard/WandB 可视化结果：

tensorboard --logdir checkpoints/

默认训练输出会写入 checkpoints/、vis/ 等目录，运行时生成实时指标与预测图。

3. Tech Highlights

类别	技术 / 组件	版本	用途说明
框架	PyTorch	>= 2.0	深度学习训练与推理框架
视觉	torchvision	>= 0.15	图像处理与数据增强
日志	TensorBoard / tensorboardX	>= 2.6	训练指标可视化
指标	thop	>= 0.1.1	FLOPs 与参数量统计
调度	timm	>= 0.9	学习率调度与优化器辅助
数据	opencv-python / Pillow	>= 4.8 / >= 10.0	图像 I/O 与预处理
计算	numpy / scikit-learn	>= 1.24 / >= 1.3	数值计算与评估指标
辅助	einops / tqdm / matplotlib	—	张量重排、进度条、结果绘图

核心亮点：

轻量变化检测网络 — LiteCDNet 仅 2.47M 参数、2.14G FLOPs，在 LEVIR-CD 上达到 0.97837 Acc / 0.81035 mIoU
A0-A7 消融实验体系 — 覆盖 DiffFusion、LiteContext、Decoder、Boundary Loss、Deep Supervision 等关键模块的逐项分析
SEIFNet 等多模型对比基线 — 统一训练入口支持 SEIFNet、A2Net、ChangeFormer、IFNet、SNUNet 等 10+ 对比模型
完整复现文档 — 提供方法说明、复现指南、来源说明与细粒度引用映射

4. Architecture / Code Map

仓库整体结构

LiteCDNet/
├─ assets/                     # README / docs 使用的少量图示
├─ docs/                       # 面向公开读者的说明文档
│  ├─ README.md               # 文档索引
│  ├─ project-overview-bilingual.md  # 中英双语项目简介
│  ├─ method.md               # LiteCDNet 方法与模型结构概览
│  ├─ reproducibility.md      # 环境、数据组织、训练与评估复现说明
│  ├─ attribution.md          # 仓库级代码来源说明与适配边界
│  ├─ references.md           # 细粒度文件 -> 论文 / 官方仓库映射清单
│  ├─ license-options.md      # LICENSE 选择建议
│  └─ release-notes-v1.0.0.md # 首个公开版发布说明
├─ publications/               # 公开版论文副本 (DOCX / PDF)
├─ src/
│  ├─ main_LiteCDNET.py       # LiteCDNet 主模型训练入口
│  ├─ main_train.py           # SEIFNet 等对比模型统一训练入口
│  ├─ main_ablation.py        # A0-A7 消融实验统一入口
│  ├── main_ablation_*.py     # 各消融变体独立入口
│  ├─ eval_cd.py              # LiteCDNet 主模型评估入口
│  ├─ data_config.py          # 数据路径解析与数据集目录映射
│  ├─ ablation/               # 消融变体定义、复杂度统计与运行器
│  │  ├─ litecdnet_variants.py
│  │  ├─ complexity.py
│  │  ├─ presets.py
│  │  └─ runner.py
│  ├─ compare/                # 对比模型与相关辅助实现
│  │  ├─ LiteCDNET.py        # LiteCDNet 主模型实现
│  │  ├─ SEIFNet (in networks.py) # 核心基线模型
│  │  ├─ A2Net.py / A2Net_v2.py
│  │  ├─ ChangeFormer.py
│  │  ├─ FC_EF.py / FC_Siam_conc.py / FC_Siam_diff.py
│  │  ├─ IFNet.py / DASNet.py / DTCDSCN.py
│  │  ├─ SNUNet.py / NestedUNet.py
│  │  ├─ Changer.py
│  │  ├─ DMINet.py / TFI_GR.py
│  │  └─ MobileNet.py / resnet.py / resnet_tfi.py / resbase.py
│  ├─ datasets/
│  │  └─ CD_dataset.py        # 变化检测数据集读取逻辑
│  ├─ misc/
│  │  ├─ imutils.py
│  │  └─ logger_tool.py
│  ├─ models/
│  │  ├─ networks.py          # 模型调度与SEIFNet等项目核心实现
│  │  ├─ trainer.py           # 训练流程封装
│  │  ├─ evaluator.py         # 评估流程封装
│  │  └─ losses.py            # 损失函数定义
│  └─ utils/
│     └─ metrics.py           # 常用指标计算工具
├─ NOTICE.md                   # 第三方代码使用边界说明
├─ CITATION.cff                # 仓库级引用入口
├─ requirements.txt
└─ README.md

核心入口一览

文件 / 目录	角色说明
`src/main_LiteCDNET.py`	LiteCDNet 主模型训练入口
`src/eval_cd.py`	LiteCDNet 主模型评估入口
`src/main_train.py`	SEIFNet、A2Net、ChangeFormer 等对比模型统一训练入口
`src/main_ablation.py`	A0-A7 消融实验统一入口
`src/compare/LiteCDNET.py`	LiteCDNet 主模型网络实现
`src/models/networks.py`	模型调度与 `SEIFNet` 等核心网络定义
`src/models/trainer.py`	训练流程封装
`src/models/evaluator.py`	评估流程封装
`src/models/losses.py`	损失函数定义
`src/datasets/CD_dataset.py`	变化检测数据集读取逻辑
`src/data_config.py`	数据路径解析与数据集目录映射
`src/utils/metrics.py`	常用指标计算工具
`src/ablation/`	消融变体、复杂度统计与运行器
`src/compare/`	全部对比模型实现
`docs/`	方法说明、复现指南、来源说明、引用清单

方法概览

LiteCDNet 面向双时相遥感影像变化检测任务：输入同一区域两个时间点的影像，输出像素级变化掩码。公开版保留的核心模块包括：

轻量级主干与双时相特征提取
差异特征融合模块 (DiffFusion)
上下文增强模块 (LiteContext)
解码恢复与多尺度监督
边界感知损失 (Boundary Loss)

详见 docs/method.md。

5. Quick Start

环境准备

建议 Python 3.10 或 3.11，提前安装与设备匹配的 PyTorch。

# 创建虚拟环境
python -m venv .venv
source .venv/bin/activate  # Linux/Mac
# .venv\Scripts\activate   # Windows

# 安装依赖
pip install --upgrade pip
pip install -r requirements.txt

如果需要 CUDA 版本 PyTorch，先按 PyTorch 官方说明安装对应版本，再执行 pip install -r requirements.txt。

数据准备

默认约定数据放在仓库根目录下 data/ 目录：

data/
├─ LEVIR/
├─ DSIFN_256/
├─ SYSU-CD/
├─ LEVIR-CD+_256/
├─ Big_Building_ChangeDetection/
├─ GZ/
└─ WHU-CUT/

数据路径可以通过以下任一方式指定（优先级递增）：

默认结构 data/（仓库根目录下）
--data_root <你的数据目录>
环境变量 LITECDNET_DATA_ROOT
单数据集环境变量 LITECDNET_LEVIR_ROOT 等

示例：

$env:LITECDNET_DATA_ROOT="D:\datasets"
$env:LITECDNET_LEVIR_ROOT="D:\datasets\LEVIR"

训练主模型

python -X utf8 src/main_LiteCDNET.py --data_name LEVIR

训练对比模型

python -X utf8 src/main_train.py --net_G SEIFNet --data_name LEVIR
python -X utf8 src/main_train.py --net_G ChangeFormer --data_name LEVIR
python -X utf8 src/main_train.py --net_G A2Net --data_name LEVIR

运行消融实验

python -X utf8 src/main_ablation.py --ablation_case full --data_name LEVIR
python -X utf8 src/main_ablation.py --ablation_case no_context --data_name LEVIR

评估模型

python -X utf8 src/eval_cd.py --project_name LEVIR_LiteCDNet_BCEDiceBoundary0.3_AdamW_Cosine_150 --data_name LEVIR
python -X utf8 src/eval_cd.py --project_name LEVIR_LiteCDNet_BCEDiceBoundary0.3_AdamW_Cosine_150 --checkpoint_name best_ckpt.pt --data_name LEVIR

数据不在默认目录时追加 --data_root D:\datasets。

LEVIR-CD 主结果

Model	FLOPs (G)	Params (M)	Acc	mIoU	mF1	IoU(change)	F1(change)	Precision(change)	Recall(change)
SEIFNet	8.37	27.91	0.97821	0.80942	0.88507	0.64151	0.78161	0.79851	0.76541
LiteCDNet	2.14	2.47	0.97837	0.81035	0.88575	0.64321	0.78287	0.80127	0.76530

LiteCDNet 的 FLOPs 和 Params 来自本地前向统计
SEIFNet 数据用于公开结果对照展示

A0-A7 消融实验

Code	Setting	Params (M)	FLOPs (G)	Best val mIoU	Best val mF1	Delta mIoU vs A0
A0	Full LiteCDNet	2.47	2.14	0.81628	0.88959	—
A1	`abs_diff` replaces DiffFusion	2.24	2.07	0.76093	0.84729	-0.05535
A2	Remove LiteContext	2.23	2.05	0.81338	0.88749	-0.00290
A3	Concat decoder	2.73	2.68	0.82246	0.89403	+0.00618
A4	Remove boundary loss	2.47	2.14	0.79182	0.87144	-0.02446
A5	Remove deep supervision	2.47	2.14	0.80894	0.88425	-0.00734
A6	`boundary=0.5`	2.47	2.14	0.80940	0.88459	-0.00688
A7	Adjust multi-scale loss weights	2.47	2.14	0.81207	0.88656	-0.00421

A0-A7 采用统一验证集口径用于模块贡献分析，不等同于上面 LEVIR-CD 主测试结果表。

详见 docs/reproducibility.md。

6. Testing / CI

待补充。 仓库当前以训练脚本的直接运行作为验证手段，尚未引入自动化测试框架与 CI 流水线。

自动化测试与持续集成待后续版本补充。

7. Release / Download

当前最新版本：v1.0.0（首个公开整理版）

GitHub Releases 页面
仓库克隆：git clone https://github.com/2002yy/LiteCDNet.git
安装依赖：pip install -r requirements.txt
公开版论文 DOCX
公开版论文 PDF

发布说明摘要 (v1.0.0)

包含：

公开版目录重组（src/、docs/、assets/）
LiteCDNet 主模型训练与评估入口
SEIFNet 与多个对比模型统一训练入口
LiteCDNet A0-A7 消融实验相关代码
新增公开版 README、文档索引、复现说明、方法说明
新增数据路径配置层（移除本机绝对路径依赖）
新增来源说明、细粒度引用清单、NOTICE 与 CITATION.cff

不包含：

数据集
Checkpoint 权重
大量可视化输出
论文写作草稿、答辩材料和个人工作目录

见 docs/release-notes-v1.0.0.md。

8. Roadmap

9. License / Notes

License

当前仓库采用 MIT License。详见 LICENSE 文件。

对于 src/compare/ 中基于公开论文或仓库整理的对比模型实现，请同时尊重其上游许可与引用要求。顶层许可证不替代 docs/attribution.md、docs/references.md 和 NOTICE.md 中的来源说明。

代码来源说明

本仓库代码由三部分组成：

项目内原创实现 — LiteCDNet、SEIFNet、消融实验、公开整理代码及文档
基线对比保留代码 — 基于已有论文或公开仓库整理到统一训练框架中的项目内适配版本
工程化适配 — 接口统一、路径整理与数据组织

对比模型文件应理解为"基于原论文/公开实现整理到本仓库训练框架中的实验版本"，而非全部从零独立原创的全新模型。使用某个对比模型时，请同时引用其原始论文或官方仓库。

仓库级来源说明：docs/attribution.md
细粒度文件 -> 论文 / 仓库映射：docs/references.md
第三方代码边界：NOTICE.md
仓库引用：CITATION.cff
许可证选择说明：docs/license-options.md

补充说明

DMINet 等部分对比模型可能需要额外的本地预训练权重（如 src/pretrain_model/resnet18-5c106cde.pth）
训练输出写入 checkpoints/、checkpoints_ablation/、vis/、vis_ablation/，均被 .gitignore 忽略
公开版已移除作者本机硬编码路径，所有数据路径可配置
推荐首先关注的主入口：src/main_LiteCDNET.py、src/main_train.py、src/main_ablation.py、src/eval_cd.py

文档导航

文档	说明
docs/README.md	文档索引
docs/project-overview-bilingual.md	中英双语项目简介
docs/method.md	LiteCDNet 方法与模型结构概览
docs/reproducibility.md	环境、数据、训练与评估复现说明
docs/attribution.md	仓库级代码来源说明与适配边界
docs/references.md	细粒度文件 -> 论文 / 官方仓库映射
docs/license-options.md	LICENSE 选择建议
docs/release-notes-v1.0.0.md	首个公开版发布说明
NOTICE.md	第三方代码使用边界
CITATION.cff	仓库级引用配置

致谢

本仓库来源于作者本科毕业设计期间的实验代码收敛与工程化清理，感谢指导老师与答辩组的建议与支持。对比模型部分基于对应论文或公开仓库做了项目内适配，感谢各开源社区与论文作者的贡献。

Name		Name	Last commit message	Last commit date
Latest commit History 13 Commits
assets		assets
docs		docs
publications		publications
src		src
.gitignore		.gitignore
CITATION.cff		CITATION.cff
NOTICE.md		NOTICE.md
README.md		README.md
requirements.txt		requirements.txt

Folders and files

Latest commit

History

Repository files navigation

LiteCDNet — 遥感变化检测

1. 项目一句话定位

2. Screenshots / Demo

LiteCDNet 网络架构

LEVIR-CD 参数-精度对比

复杂度总览

单样本预测示例 (LEVIR-CD)

3. Tech Highlights

4. Architecture / Code Map

仓库整体结构

核心入口一览

方法概览

5. Quick Start

环境准备

数据准备

训练主模型

训练对比模型

运行消融实验

评估模型

推荐首次入门路线

LEVIR-CD 主结果

A0-A7 消融实验

6. Testing / CI

7. Release / Download

发布说明摘要 (v1.0.0)

8. Roadmap

9. License / Notes

License

代码来源说明

补充说明

文档导航

致谢

About

Topics

Resources

Uh oh!

Stars

Watchers

Forks

Releases 1

Packages 0

Uh oh!

Contributors

Uh oh!

Languages

Packages