DMSSN：用于高光谱显著性目标检测的蒸馏混合光谱-空间网络
计算机视觉与模式识别
2024-04-02 v1
摘要
高光谱显著性目标检测（HSOD）在各类应用中展现出巨大潜力，尤其是在传统基于RGB的方法表现不佳的复杂场景中。尽管HSOD方法取得了长足进展，但仍有两大关键挑战亟待解决。首先，现有的高光谱数据降维技术会导致光谱信息丢失，从而对检测精度产生不利影响。其次，以往方法在特征提取过程中未能充分利用高光谱图像（HSIs）固有的独特属性。为应对这些挑战，我们提出了一种名为蒸馏混合光谱-空间网络（DMSSN）的新方法，包含蒸馏光谱编码过程和混合光谱-空间Transformer（MSST）特征提取网络。该编码过程利用知识蒸馏构建轻量级自编码器进行降维，在强大的编码能力与低计算成本之间取得平衡。MSST通过多个注意力头组提取光谱-空间特征，协同增强其对复杂场景的鲁棒性。此外，为解决该领域数据稀缺问题并满足深度网络训练的基础数据需求，我们创建了一个大规模HSOD数据集HSOD-BIT。大量实验表明，我们提出的DMSSN在多个数据集上达到了SOTA性能。我们将很快在 https://github.com/anonymous0519/HSOD-BIT 上公开发布代码和数据集。
引用
@article{arxiv.2404.00694,
title = {DMSSN: Distilled Mixed Spectral-Spatial Network for Hyperspectral Salient Object Detection},
author = {Haolin Qin and Tingfa Xu and Peifu Liu and Jingxuan Xu and Jianan Li},
journal= {arXiv preprint arXiv:2404.00694},
year = {2024}
}