具有双流反馈机制的边界-语义协同引导网络用于光学遥感影像显著目标检测
计算机视觉与模式识别
2023-11-15 v3 信息检索
摘要
随着深度学习在各领域的应用日益广泛，光学遥感图像中的显著目标检测（ORSI-SOD）引起了广泛关注。然而，现有大多数 ORSI-SOD 方法主要依赖低层特征的局部信息来推断显著边界线索，并使用边界真值对其进行监督，但未能充分优化和保护局部信息，且几乎所有方法都忽视了解码器最后一层在保持显著性图完整性方面的潜在优势。为解决这些问题，我们提出了一种名为边界-语义协同引导网络（BSCGNet）的新型方法，其具有双流反馈机制。首先，我们提出边界保护校准（BPC）模块，该模块在不依赖边界真值的情况下，有效减少前向传播中边缘位置信息的丢失并抑制低层特征中的噪声。其次，基于 BPC 模块，提出双特征反馈互补（DFFC）模块，该模块聚合边界-语义双特征，并向不同层提供有效反馈以协调特征，从而增强跨尺度知识交流。最后，为获得更完整的显著性图，我们首次考虑解码器最后一层的独特性，提出自适应反馈细化（AFR）模块，其通过独特的反馈机制进一步细化特征表示并消除特征间差异。在三个基准数据集上的大量实验表明，BSCGNet 在具有挑战性的场景中表现出明显优势，并优于近年来提出的 17 种最先进（SOTA）方法。代码与结果已发布于 GitHub: https://github.com/YUHsss/BSCGNet。
引用
@article{arxiv.2303.02867,
title = {Boundary-semantic collaborative guidance network with dual-stream feedback mechanism for salient object detection in optical remote sensing imagery},
author = {Dejun Feng and Hongyu Chen and Suning Liu and Ziyang Liao and Xingyu Shen and Yakun Xie and Jun Zhu},
journal= {arXiv preprint arXiv:2303.02867},
year = {2023}
}
备注
Accepted by TGRS