2022年07月26日更新 一种用于光学遥感图像显着目标检测的轻量级多尺度上下文网络购团邦网

公羊翠豪
导读 显着对象检测(SOD)是一种定位和分割图像中最具吸引力的对象的任务,广泛用于对象识别、对象跟踪或图像检索等任务。然而,仅针对光学遥感

显着对象检测(SOD)是一种定位和分割图像中最具吸引力的对象的任务,广泛用于对象识别、对象跟踪或图像检索等任务。然而,仅针对光学遥感图像(RSI——从高海拔捕获的图像)的SOD的研究有限。

最近发表在arXiv.org上的一篇论文提出了一种轻量级的多尺度上下文网络,用于在光学RSI中进行准确的显着目标检测。为了准确定位和分割不同尺度的显着对象,研究人员提出了一种多尺度上下文提取模块。基于注意力的金字塔特征聚合机制逐渐融合多层特征图,以进一步细化和补充显着图。

实验评估表明,所提出的轻量级模型与最先进的SOD解决方案具有可比的精度。

由于光学遥感图像(RSI)中的多尺度变化更加剧烈,前景和背景更加复杂,光学RSI的显着目标检测(SOD)成为一个巨大的挑战。然而,与自然场景图像(NSI)不同,关于光学RSISOD任务的讨论仍然很少。在本文中,我们提出了一种多尺度上下文网络,即MSCNet,用于光学RSI中的SOD。具体来说,采用多尺度上下文提取模块,通过有效学习多尺度上下文信息来解决显着对象的尺度变化。同时,为了准确检测复杂背景中的完整显着对象,我们设计了一种基于注意力的金字塔特征聚合机制,用于从多尺度上下文提取模块中逐步聚合和细化显着区域。在两个基准上进行的大量实验表明,MSCNet仅使用3.26M参数即可实现具有竞争力的性能。

标签:

免责声明:本文由用户上传,如有侵权请联系删除!