（通讯员高天启）西安电子科技大学协同智能系统教育部重点实验室张明阳副教授、高天启博士在人工智能及机器学习领域权威期刊IEEE Transactions on Neural Networks and Learning Systems (IEEE TNNLS)上发表题为“Semi-supervised Change Detection Based on Bi-hierarchical Feature Aggregation and Extraction Network”的学术论文，为遥感图像变化检测任务设计了一种半监督双层特征聚合与提取网络。

如何将基于像素的变化检测方法和基于对象的变化检测方法的优势结合起来仍是一个具有挑战性的问题。该论文设计了一个双层次特征聚合和提取网络（BFAEN），以实现像素级特征与对象级特征的级联特征表示，综合利用两级特征进行差异信息提取。此外，为了解决变化检测标签样本不足的问题，该论文提出了一种用于高分辨率图像的半监督变化检测框架，该框架使用少量真实标记数据和大量未标记数据来训练网络。为了确保训练标签的真实与可靠性，该论文设计置信学习算法来消除噪声标签，并设计了一种新的损失函数来以半监督的方式使用真标签和伪标签训练模型。

IEEE Transactions on Neural Networks and Learning Systems创办于1990年，属机器学习、信息科学、人工智能的交叉学科领域，是神经网络和学习系统方面的国际顶级期刊，也是中科院分区1区Top期刊。

论文链接：https://doi.org/10.1109/TNNLS.2023.3242075