CAD-Net：面向遥感图像中物体的上下文感知检测网络
计算机视觉与模式识别
2020-01-08 v1
摘要
光学遥感图像中多类物体的准确和鲁棒检测对许多实际应用至关重要，如城市规划、交通控制、搜索救援等。然而，为地面传感器捕获的图像设计的最先进物体检测技术在直接应用于遥感图像时通常性能急剧下降，这主要是由于遥感图像中物体外观差异：稀疏纹理、低对比度、任意方向、大尺度变化等。本文提出了一种新颖的物体检测网络（CAD-Net），利用注意力调制特征以及全局和局部上下文来解决遥感图像中物体检测的新挑战。所提出的CAD-Net通过分别捕获物体与全局场景（场景级）和局部相邻物体或特征（物体级）的相关性来学习物体的全局和局部上下文。此外，它设计了一个空间和尺度感知的注意力模块，引导网络关注更具信息量的区域和特征以及更合适的特征尺度。在两个公开的遥感图像物体检测数据集上的实验表明，所提出的CAD-Net实现了优越的检测性能。实现代码将公开以促进未来研究。
引用
@article{arxiv.1903.00857,
title = {CAD-Net: A Context-Aware Detection Network for Objects in Remote Sensing Imagery},
author = {Gongjie Zhang and Shijian Lu and Wei Zhang},
journal= {arXiv preprint arXiv:1903.00857},
year = {2020}
}