用于光学遥感图像显著目标检测的密集注意力流动网络
计算机视觉与模式识别
2021-02-03 v1
摘要
尽管自然场景图像（NSIs）的视觉显著性分析取得了显著进展，光学遥感图像（RSIs）的显著目标检测（SOD）仍是一个开放且具有挑战性的问题。本文中，我们提出一种端到端的密集注意力流动网络（DAFNet）用于光学RSIs中的SOD。提出全局上下文感知注意力（GCA）模块以自适应地捕获长程语义上下文关系，并将其进一步嵌入密集注意力流动（DAF）结构中，使浅层注意力线索流入深层以引导高层特征注意力图的生成。具体而言，GCA模块由两个关键组件构成，其中全局特征聚合模块实现任意两个空间位置显著特征嵌入的相互增强，级联金字塔注意力模块通过构建级联金字塔框架以由粗到细的方式逐步精炼注意力图，从而解决尺度变化问题。此外，我们构建了一个新颖且具挑战性的光学RSI的SOD数据集，包含2000张具有像素级显著性标注的图像，是目前最大的公开基准。大量实验表明，我们提出的DAFNet显著优于现有的SOTA SOD方法。https://github.com/rmcong/DAFNet_TIP20
引用
@article{arxiv.2011.13144,
title = {Dense Attention Fluid Network for Salient Object Detection in Optical Remote Sensing Images},
author = {Qijian Zhang and Runmin Cong and Chongyi Li and Ming-Ming Cheng and Yuming Fang and Xiaochun Cao and Yao Zhao and Sam Kwong},
journal= {arXiv preprint arXiv:2011.13144},
year = {2021}
}
备注
Accepted by IEEE Transactions on Image Processing, EORSSD dataset: https://github.com/rmcong/EORSSD-dataset