【免费下载链接】MambaCD[IEEE TGRS 2024] ChangeMamba: Remote Sensing Change Detection Based on Spatio-Temporal State Space Model项目地址https://gitcode.com/gh_mirrors/ma/MambaCD点击查看免费下载MambaCD 仓库ChangeMambaIEEE TGRS 2024是遥感变化检测的高性能开源基线支持二元变化检测MambaBCD、语义变化检测MambaSCD与建筑物损坏评估MambaBDA三类任务。本文带你3 步完成推理下载官方权重 → 准备数据 → 运行一条命令即可生成变化检测预测结果change map并自动输出 Recall、F1、IoU、Kappa 等评估指标。第一步下载官方权重MambaBCD 预训练权重ChangeMamba 的官方模型权重MambaBCD / MambaSCD / MambaBDA 多种规格已在项目主页的「结果下载 / Results Taken Away」章节放出支持 Zenodo、Google Drive、百度网盘三种渠道。重点区分两种权重加载参数这是新手最容易踩的坑参数作用推理时--model_checkpoint_path加载完整 ChangeMamba 模型权重encoder decoder✅ 必用加载官方训练好的权重--encoder_pretrained_path仅加载 VMamba 编码器backbone预训练权重❌ 推理时不需要⚠️ 官方常见问题中明确提醒如果用错参数用--encoder_pretrained_path加载训练模型推理精度会非常低。加载完整模型请始终使用--model_checkpoint_path。权重加载完成后控制台会打印一份加载报告matched / missing / unexpected / mismatched 数量确认missing 为 0即表示权重匹配成功详见权重加载逻辑 checkpoints.py。第二步准备测试数据以二元变化检测为例官方示例使用 LEVIR-CD 数据集。将测试集组织为如下目录结构README.md${DATASET_ROOT}/LEVIR-CD ├── test │ ├── T1 # 前时相影像 │ ├── T2 # 后时相影像 │ └── GT # 真值变化图用于计算评估指标 └── test_set.txt # 每行一个样本名如 00001 仓库已内置三个数据集的名单文件可直接参考 changedetection/datasets/data_name_list/ 下的train_set.txt、test_set.txt等。第三步运行推理命令先切换到推理代码所在目录所有网络定义、训练与测试代码都在changedetection下cd project_path/ChangeMamba/changedetection然后执行 MambaBCD 官方推理脚本 infer_MambaBCD.pypython script/infer_MambaBCD.py --dataset LEVIR-CD \ --model_type MambaBCD_Tiny \ --test_dataset_path dataset_path/LEVIR-CD/test \ --test_data_list_path dataset_path/LEVIR-CD/test_set.txt \ --cfg project_path/ChangeMamba/changedetection/configs/vssm1/vssm_tiny_224_0229flex.yaml \ --model_checkpoint_path saved_model_path/MambaBCD_Tiny_LEVIRCD_F1_0.8803.pth核心参数速查参数说明默认值--model_checkpoint_path完整模型权重路径官方权重 .pth 文件无必填--dataset数据集名SYSU / LEVIR-CD / WHU-CD 等LEVIR-CD--model_type模型规模需与权重文件匹配MambaBCD_Tiny/MambaBCD_Small/MambaBCD_BaseMambaBCD_Tiny--test_dataset_path测试集目录含 T1、T2、GT无必填--test_data_list_path测试集名单 .txt 文件无必填--cfgVMamba 骨干配置文件须与--model_type对应无必填--result_saved_path结果保存根目录../results--cfg应选择与模型规模一致的配置文件Tiny 规模对应 vssm_tiny_224_0229flex.yamlSmall 规模对应 vssm_small_224.yaml。 查看预测结果推理完成后核心逻辑见 tasks/bcd.py变化图逐张保存到results/dataset/model_type/change_map/目录文件名与输入样本同名格式为单通道 PNG0 表示无变化255 表示变化区域可直接用于论文或可视化评估指标控制台打印INFER Summary报告块包含Recall、Precision、OA、F1、IoU、Kappa六项指标前提是测试集提供 GT 真值。附MambaSCD 与 MambaBDA 推理命令语义变化检测SECOND 数据集与建筑物损坏评估xBD 数据集的命令结构与上面完全一致只需替换脚本与参数infer_MambaSCD.py、infer_MambaBDA.py# 语义变化检测 python script/infer_MambaSCD.py --dataset SECOND \ --model_type MambaSCD_Tiny \ --test_dataset_path dataset_path/SECOND/test \ --test_data_list_path dataset_path/SECOND/test_set.txt \ --cfg project_path/ChangeMamba/changedetection/configs/vssm1/vssm_tiny_224_0229flex.yaml \ --model_checkpoint_path saved_model_path/[your_trained_model].pth# 建筑物损坏评估 python script/infer_MambaBDA.py --dataset xBD \ --model_type MambaBDA_Tiny \ --test_dataset_path dataset_path/xBD/test \ --test_data_list_path dataset_path/xBD/test_set.txt \ --cfg project_path/ChangeMamba/changedetection/configs/vssm1/vssm_tiny_224_0229flex.yaml \ --model_checkpoint_path saved_model_path/[your_trained_model].pth 注意SECOND 数据集的地物分类图在原始数据中是 RGB 可视化图需要转成单通道且二元变化图GT_CD需自行生成详见 README_zh-CN.md。常见问题FAQ问题解决方法推理精度异常低确认用的是--model_checkpoint_path而非--encoder_pretrained_path加载训练模型CUDA out of memory降低 batch size 或 crop 尺寸加载报告出现大量 missing keys--cfg或--model_type与权重规格不匹配如用 Tiny 配置加载 Small 权重NameError: name selective_scan_cuda_oflex is not defined未正确编译安装 kernels/selective_scan CUDA 算子请按 README 重新执行cd kernels/selective_scan pip install .小结步骤内容关键命令1️⃣ 下载官方权重MambaBCD/SCD/BDA 全规格Zenodo 等渠道—2️⃣ 准备测试数据T1 / T2 / GT 名单文件—3️⃣ 运行推理一条命令生成 change map 与评估指标python script/infer_MambaBCD.py ...至此你已经完成了 ChangeMamba 变化检测推理全流程从官方权重到预测结果只需 3 步。如果后续需要自己训练模型可参考 train_MambaBCD.py 与 README.md 的「Model Training」章节。赞分享【免费下载链接】MambaCD[IEEE TGRS 2024] ChangeMamba: Remote Sensing Change Detection Based on Spatio-Temporal State Space Model项目地址https://gitcode.com/gh_mirrors/ma/MambaCD点击查看免费下载相关推荐cool-admin(midway版)数据字典缓存淘汰LRU策略与缓存上限终极指南cool admin midway版 数据字典缓存淘汰LRU策略与缓存上限终极指南 cool admin midway版 作为一款基于Midway.jsDiffusionOPSD官方LoRA检查点使用指南3步生成高质量图像并复现DrawBench评测DiffusionOPSD官方LoRA检查点使用指南3步生成高质量图像并复现DrawBench评测 DiffusionOPSD 是面向扩散模型DiffusiAlphaFold 3 结构预测完整使用指南AlphaFold 3 结构预测完整使用指南 AlphaFold 3是由Google DeepMind开发的开源项目提供生物分子相互作用结构的推理管道实现。这人工智能深度学习生物信息学科研上一篇mcp-server 流量分析实战一句话查询代理 HTTP/WebSocket 历史支持正则过滤下一篇Godot 内置类型 StringName 深度解析字符串驻留、性能优化与完整 API 指南创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 
长河君 · 2026/11/6 1:41:38 · 阅读 1.2k ChangeMamba 推理使用指南：3 步用官方权重生成变化检测预测结果
【免费下载链接】MambaCD[IEEE TGRS 2024] ChangeMamba: Remote Sensing Change Detection Based on Spatio-Temporal State Space Model项目地址https://gitcode.com/gh_mirrors/ma/MambaCD点击查看免费下载MambaCD 仓库ChangeMambaIEEE TGRS 2024是遥感变化检测的高性能开源基线支持二元变化检测MambaBCD、语义变化检测MambaSCD与建筑物损坏评估MambaBDA三类任务。本文带你3 步完成推理下载官方权重 → 准备数据 → 运行一条命令即可生成变化检测预测结果change map并自动输出 Recall、F1、IoU、Kappa 等评估指标。第一步下载官方权重MambaBCD 预训练权重ChangeMamba 的官方模型权重MambaBCD / MambaSCD / MambaBDA 多种规格已在项目主页的「结果下载 / Results Taken Away」章节放出支持 Zenodo、Google Drive、百度网盘三种渠道。重点区分两种权重加载参数这是新手最容易踩的坑参数作用推理时--model_checkpoint_path加载完整 ChangeMamba 模型权重encoder decoder✅ 必用加载官方训练好的权重--encoder_pretrained_path仅加载 VMamba 编码器backbone预训练权重❌ 推理时不需要⚠️ 官方常见问题中明确提醒如果用错参数用--encoder_pretrained_path加载训练模型推理精度会非常低。加载完整模型请始终使用--model_checkpoint_path。权重加载完成后控制台会打印一份加载报告matched / missing / unexpected / mismatched 数量确认missing 为 0即表示权重匹配成功详见权重加载逻辑 checkpoints.py。第二步准备测试数据以二元变化检测为例官方示例使用 LEVIR-CD 数据集。将测试集组织为如下目录结构README.md${DATASET_ROOT}/LEVIR-CD ├── test │ ├── T1 # 前时相影像 │ ├── T2 # 后时相影像 │ └── GT # 真值变化图用于计算评估指标 └── test_set.txt # 每行一个样本名如 00001 仓库已内置三个数据集的名单文件可直接参考 changedetection/datasets/data_name_list/ 下的train_set.txt、test_set.txt等。第三步运行推理命令先切换到推理代码所在目录所有网络定义、训练与测试代码都在changedetection下cd project_path/ChangeMamba/changedetection然后执行 MambaBCD 官方推理脚本 infer_MambaBCD.pypython script/infer_MambaBCD.py --dataset LEVIR-CD \ --model_type MambaBCD_Tiny \ --test_dataset_path dataset_path/LEVIR-CD/test \ --test_data_list_path dataset_path/LEVIR-CD/test_set.txt \ --cfg project_path/ChangeMamba/changedetection/configs/vssm1/vssm_tiny_224_0229flex.yaml \ --model_checkpoint_path saved_model_path/MambaBCD_Tiny_LEVIRCD_F1_0.8803.pth核心参数速查参数说明默认值--model_checkpoint_path完整模型权重路径官方权重 .pth 文件无必填--dataset数据集名SYSU / LEVIR-CD / WHU-CD 等LEVIR-CD--model_type模型规模需与权重文件匹配MambaBCD_Tiny/MambaBCD_Small/MambaBCD_BaseMambaBCD_Tiny--test_dataset_path测试集目录含 T1、T2、GT无必填--test_data_list_path测试集名单 .txt 文件无必填--cfgVMamba 骨干配置文件须与--model_type对应无必填--result_saved_path结果保存根目录../results--cfg应选择与模型规模一致的配置文件Tiny 规模对应 vssm_tiny_224_0229flex.yamlSmall 规模对应 vssm_small_224.yaml。 查看预测结果推理完成后核心逻辑见 tasks/bcd.py变化图逐张保存到results/dataset/model_type/change_map/目录文件名与输入样本同名格式为单通道 PNG0 表示无变化255 表示变化区域可直接用于论文或可视化评估指标控制台打印INFER Summary报告块包含Recall、Precision、OA、F1、IoU、Kappa六项指标前提是测试集提供 GT 真值。附MambaSCD 与 MambaBDA 推理命令语义变化检测SECOND 数据集与建筑物损坏评估xBD 数据集的命令结构与上面完全一致只需替换脚本与参数infer_MambaSCD.py、infer_MambaBDA.py# 语义变化检测 python script/infer_MambaSCD.py --dataset SECOND \ --model_type MambaSCD_Tiny \ --test_dataset_path dataset_path/SECOND/test \ --test_data_list_path dataset_path/SECOND/test_set.txt \ --cfg project_path/ChangeMamba/changedetection/configs/vssm1/vssm_tiny_224_0229flex.yaml \ --model_checkpoint_path saved_model_path/[your_trained_model].pth# 建筑物损坏评估 python script/infer_MambaBDA.py --dataset xBD \ --model_type MambaBDA_Tiny \ --test_dataset_path dataset_path/xBD/test \ --test_data_list_path dataset_path/xBD/test_set.txt \ --cfg project_path/ChangeMamba/changedetection/configs/vssm1/vssm_tiny_224_0229flex.yaml \ --model_checkpoint_path saved_model_path/[your_trained_model].pth 注意SECOND 数据集的地物分类图在原始数据中是 RGB 可视化图需要转成单通道且二元变化图GT_CD需自行生成详见 README_zh-CN.md。常见问题FAQ问题解决方法推理精度异常低确认用的是--model_checkpoint_path而非--encoder_pretrained_path加载训练模型CUDA out of memory降低 batch size 或 crop 尺寸加载报告出现大量 missing keys--cfg或--model_type与权重规格不匹配如用 Tiny 配置加载 Small 权重NameError: name selective_scan_cuda_oflex is not defined未正确编译安装 kernels/selective_scan CUDA 算子请按 README 重新执行cd kernels/selective_scan pip install .小结步骤内容关键命令1️⃣ 下载官方权重MambaBCD/SCD/BDA 全规格Zenodo 等渠道—2️⃣ 准备测试数据T1 / T2 / GT 名单文件—3️⃣ 运行推理一条命令生成 change map 与评估指标python script/infer_MambaBCD.py ...至此你已经完成了 ChangeMamba 变化检测推理全流程从官方权重到预测结果只需 3 步。如果后续需要自己训练模型可参考 train_MambaBCD.py 与 README.md 的「Model Training」章节。赞分享【免费下载链接】MambaCD[IEEE TGRS 2024] ChangeMamba: Remote Sensing Change Detection Based on Spatio-Temporal State Space Model项目地址https://gitcode.com/gh_mirrors/ma/MambaCD点击查看免费下载相关推荐cool-admin(midway版)数据字典缓存淘汰LRU策略与缓存上限终极指南cool admin midway版 数据字典缓存淘汰LRU策略与缓存上限终极指南 cool admin midway版 作为一款基于Midway.jsDiffusionOPSD官方LoRA检查点使用指南3步生成高质量图像并复现DrawBench评测DiffusionOPSD官方LoRA检查点使用指南3步生成高质量图像并复现DrawBench评测 DiffusionOPSD 是面向扩散模型DiffusiAlphaFold 3 结构预测完整使用指南AlphaFold 3 结构预测完整使用指南 AlphaFold 3是由Google DeepMind开发的开源项目提供生物分子相互作用结构的推理管道实现。这人工智能深度学习生物信息学科研上一篇mcp-server 流量分析实战一句话查询代理 HTTP/WebSocket 历史支持正则过滤下一篇Godot 内置类型 StringName 深度解析字符串驻留、性能优化与完整 API 指南创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考