一种用于光学遥感图像显著目标检测的并行下-上融合网络
计算机视觉与模式识别
2020-10-05 v1
摘要
光学遥感图像（RSIs）中多样的空间分辨率、各类目标类型、尺度与方向以及杂乱背景，对当前的显著目标检测（SOD）方法提出了挑战。直接将为自然场景图像（NSIs）设计的 SOD 方法用于 RSIs 通常难以令人满意。本文中，我们提出了一种新颖的并行下-上融合网络（PDF-Net）用于光学 RSIs 中的 SOD，它充分利用路径内低层与高层特征以及跨路径多分辨率特征来区分不同尺度的显著目标并抑制杂乱背景。具体而言，基于显著目标无论图像分辨率如何均保持显著这一关键观察，PDF-Net 采取连续下采样形成五条并行路径，以感知光学 RSIs 中普遍存在的多尺度显著目标。同时，我们采用密集连接以利用同一路径中的低层与高层信息并建立跨路径关联，从而显式地产生强特征表示。最后，我们并行融合多分辨率特征以结合不同分辨率特征的优势，即高分辨率特征包含完整结构与清晰细节，而低分辨率特征突出尺度化显著目标。在 ORSSD 数据集上的大量实验表明，所提网络在定性与定量上均优于 SOTA 方法。
引用
@article{arxiv.2010.00793,
title = {A Parallel Down-Up Fusion Network for Salient Object Detection in Optical Remote Sensing Images},
author = {Chongyi Li and Runmin Cong and Chunle Guo and Hua Li and Chunjie Zhang and Feng Zheng and Yao Zhao},
journal= {arXiv preprint arXiv:2010.00793},
year = {2020}
}
备注
Neurocomputing, 415, pp. 411-420, 2020