用于光学遥感图像显著目标检测的注意力引导网络
计算机视觉与模式识别
2022-07-06 v1
摘要
由于尺度与形状的极度复杂性以及预测位置的不确定性，光学遥感图像中的显著目标检测（RSI-SOD）是一项非常困难的任务。现有SOD方法可满足自然场景图像的检测性能，但由于遥感图像上述图像特性，它们不能很好地适应RSI-SOD。本文中，我们提出一种新颖的注意力引导网络（AGNet）用于光学遥感图像的SOD，包括位置增强阶段与细节精炼阶段。具体而言，位置增强阶段由语义注意力模块和上下文注意力模块组成，以准确描述显著目标的大致位置。细节精炼阶段使用所提出的自精炼模块，在注意力与反向注意力的引导下逐步精炼预测结果。此外，采用混合损失监督网络训练，可从像素、区域和统计三个角度提升模型性能。在两个流行基准上的大量实验表明，AGNet相较于其他最先进方法取得了具有竞争力的性能。代码将发布于 https://github.com/NuaaYH/AGNet。
引用
@article{arxiv.2207.01755,
title = {Attention Guided 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:2207.01755},
year = {2022}
}
备注
accepted by ICANN2022, The code is available at https://github.com/NuaaYH/AGNet