MambaCD 仓库（ChangeMamba，IEEE 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）：

⚠️ 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.py：

python 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

--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.yaml，Small 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）：

1. 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 PNG（0 表示无变化，255 表示变化区域），可直接用于论文或可视化；
2. 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）

小结

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。