LiteCDNet 是一个面向遥感变化检测实验的公开整理版仓库，聚焦训练、评估、消融和基线对比复现。当前公开版从原始毕设工作区中收敛而来，只保留对外复现真正需要的代码、说明文档和少量示意图。
公开版包含：
src/：训练、评估、模型定义、消融与辅助脚本docs/：方法说明、复现实验说明、来源说明、细粒度引用清单assets/：README 与文档中使用的少量示意图
公开版不包含：
- 数据集
- 训练得到的 checkpoint
- 大量可视化输出与中间实验产物
- 答辩材料、论文写作草稿、个人工作目录镜像
本仓库当前主要保留以下能力：
- LiteCDNet 主模型训练与评估
- SEIFNet 与多种对比模型的统一训练入口
- LiteCDNet A0-A7 消融实验入口
- 统一的数据路径配置、日志组织与评估流程
如果你是第一次进入这个仓库，建议按下面顺序开始：
- 安装依赖：
pip install -r requirements.txt - 准备数据：按下文的数据目录结构放置 LEVIR-CD 或其他支持数据集
- 训练主模型：
python -X utf8 src/main_LiteCDNET.py --data_name LEVIR - 评估主模型：
python -X utf8 src/eval_cd.py --project_name LEVIR_LiteCDNet_BCEDiceBoundary0.3_AdamW_Cosine_150 --data_name LEVIR - 查看方法与复现说明：
docs/method.md与docs/reproducibility.md
对于只想快速了解仓库结构的读者，可以先阅读本页的主结果、复杂度统计和可视化部分；对于准备复现训练的读者，建议进一步阅读 docs/reproducibility.md。
下面列出最核心的公开入口，方便第一次进入仓库时快速定位：
| Path | Role |
|---|---|
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/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 |
LiteCDNet/
├─ assets/ # README / docs 使用的少量图示
├─ docs/ # 面向公开读者的说明文档
├─ src/
│ ├─ ablation/ # LiteCDNet 消融变体与运行逻辑
│ ├─ compare/ # 对比模型与相关辅助实现
│ ├─ datasets/ # 数据集加载逻辑
│ ├─ misc/ # 通用辅助模块
│ ├─ models/ # 训练器、评估器、模型调度
│ ├─ scripts/ # 报表/统计/快捷脚本
│ └─ utils/ # 工具函数
├─ README.md
├─ NOTICE.md
├─ requirements.txt
└─ CITATION.cff
建议使用 Python 3.10 或 3.11，并提前安装与你设备匹配的 PyTorch。
python -m venv .venv
.venv\Scripts\activate
pip install --upgrade pip
pip install -r requirements.txt如果你需要 CUDA 版本的 PyTorch，请先按照 PyTorch 官方安装说明 安装对应版本，再执行 pip install -r requirements.txt。
公开版已经移除作者本机硬编码路径。默认约定是把数据放在仓库根目录下的 data/ 目录：
data/
├─ LEVIR/
├─ DSIFN_256/
├─ SYSU-CD/
├─ LEVIR-CD+_256/
├─ Big_Building_ChangeDetection/
├─ GZ/
└─ WHU-CUT/
你可以通过以下任一方式指定数据路径：
- 直接按默认结构放到仓库根目录下的
data/ - 给训练/评估脚本传入
--data_root <你的数据目录> - 设置环境变量
LITECDNET_DATA_ROOT - 针对单个数据集设置更细粒度环境变量，例如
LITECDNET_LEVIR_ROOT
PowerShell 示例：
$env:LITECDNET_DATA_ROOT="D:\datasets"
$env:LITECDNET_LEVIR_ROOT="D:\datasets\LEVIR"LiteCDNet 主模型训练：
python -X utf8 src/main_LiteCDNET.py --data_name LEVIR统一训练入口中的对比模型示例：
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 LEVIRLiteCDNet 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模型评估：
python -X utf8 src/eval_cd.py --project_name LEVIR_LiteCDNet_BCEDiceBoundary0.3_AdamW_Cosine_150 --data_name LEVIR如果数据不在默认目录下，可以额外传入：
--data_root D:\datasets下表整理了论文主结果口径下的 LEVIR-CD 定量结果，用于展示 LiteCDNet 与代表性强基线 SEIFNet 的精度-复杂度折中。
| 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 |
说明：
- LiteCDNet 的 FLOPs 和 Params 来自当前项目实现下的本地前向统计。
- SEIFNet 的 FLOPs 和 Params 用于公开结果对照展示，不应解读为完全同条件复现实验下的严格速度结论。
主结果对照图：
标准 A0-A7 消融实验主要用于分析 LiteCDNet 各关键模块和训练策略的贡献。这里保留一份适合 README 快速浏览的摘要表。
| 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 |
说明：
- A0-A7 采用的是统一验证集口径，用于模块贡献分析，不等同于上面的 LEVIR-CD 主测试结果表。
- 从复杂度角度看，A1 和 A2 最轻；A3 的参数量和 FLOPs 明显更高，说明拼接式解码更重。
复杂度总览图：
下面给出一张公开版单样本预测示意图，方便快速了解模型输出形态。当前仓库不打包大规模可视化结果集，只保留少量 README 展示图。
- 本仓库不分发训练好的 checkpoint
- 训练输出默认会写入
checkpoints/、checkpoints_ablation/、vis/和vis_ablation/ - 这些目录默认被
.gitignore忽略，避免公开仓库膨胀 - README 仅保留少量展示图，完整论文图表与答辩材料不在公开版中提供
仓库中提供了一份适合公开分发的论文副本，已去除封面与摘要页中的个人信息：
本仓库中的代码由三部分组成：
- LiteCDNet / SEIFNet / 消融实验相关的项目内实现与公开整理代码
- 为基线比较保留的对比模型实现
- 为统一训练框架而做的接口适配、路径整理和工程化清理
阅读或引用时建议区分两层来源：
- 仓库级说明：见 docs/attribution.md
- 文件级论文/仓库映射：见 docs/references.md
如果你使用了本仓库中的具体对比模型，请同时引用对应模型论文或官方仓库；如果你引用的是整个公开整理版仓库，请参考 CITATION.cff。
当前公开仓库尚未附带最终 LICENSE 文件。与许可选择相关的背景说明和候选方案整理在 docs/license-options.md 中；首个公开版发布说明见 docs/release-notes-v1.0.0.md。
DMINet等部分对比模型可能需要额外的本地预训练权重，例如src/pretrain_model/resnet18-5c106cde.pth- 公开仓库当前重点维护的主入口为
src/main_LiteCDNET.py、src/main_train.py、src/main_ablation.py和src/eval_cd.py - 更细的实验边界、输入组织、日志约定和复现说明见 docs/reproducibility.md