参考文章：Multitask learning for large-scale semantic change detection
分类后比较法：优点是简单，但检测的准确性很大程度依赖于预测的土地覆盖类型的准确性，但现有技术土地覆盖类型的预测不能保证绝对准确，因此在变化检测时会产生误差累积（变化监测准确率低于土地覆盖预测的准确率）。
直接变化检测：将两景影响直接输入CNN，将变化类型作为标签。缺点是会产生较多的标签类型，标签类型数量和土地覆盖类型的平方成正比。然后还会有标签数量不平衡的影响。
将土地覆盖和变化监测任务分开：分别用两个FCN去预测土地覆盖，同时用一个FCN进行变化监测，两个任务是分开训练的。有点事减少了变化检测类别复杂度，同事对类别不平衡问题也起到一定的作用。但具体实现细节仍需讨论。
将变化监测和土地覆盖任务整合：目前公认的且使用较多的策略。