面向光学遥感图像显著性目标检测的轻量多尺度上下文网络
计算机视觉与模式识别
2022-05-19 v1
摘要
由于光学遥感图像（RSIs）中存在更剧烈的多尺度变化以及更复杂的的前景与背景，光学 RSIs 的显著性目标检测（SOD）成为一大挑战。然而，不同于自然场景图像（NSIs），关于光学 RSI SOD 任务的探讨仍十分匮乏。本文中，我们提出一种多尺度上下文网络，即 MSCNet，用于光学 RSIs 中的 SOD。具体而言，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著目标的尺度变化问题。同时，为在复杂背景中准确检测出完整的显著目标，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与精炼显著区域。在两个基准上的大量实验表明，MSCNet 仅以 3.26M 参数即取得了具竞争力的性能。代码将发布于 https://github.com/NuaaYH/MSCNet。
引用
@article{arxiv.2205.08959,
title = {A lightweight multi-scale context network for salient object detection in optical remote sensing images},
author = {Yuhan Lin and Han Sun and Ningzhong Liu and Yetong Bian and Jun Cen and Huiyu Zhou},
journal= {arXiv preprint arXiv:2205.08959},
year = {2022}
}
备注
accepted by ICPR2022, source code, see https://github.com/NuaaYH/MSCNet