G2HFNet：面向光遥感图像的基于几何粒度感知的层次化特征融合网络用于显著性目标检测
计算机视觉与模式识别
2026-03-23 v2
摘要
光遥感图像由于从航空视角捕获，常呈现显著的尺度变化和复杂背景，给显著性目标检测（SOD）带来挑战。现有方法通常在单一尺度上提取多层特征，采用统一注意力机制，导致特征表示次优且检测结果不完整。为此，我们提出了几何粒度感知的层次化特征融合网络（G2HFNet），充分利用光遥感图像中的几何和粒度线索。具体而言，G2HFNet采用Swin Transformer作为骨干网络提取多层特征，并集成三个关键模块：多尺度细节增强（MDE）模块处理目标尺度变化并丰富细节、双分支几何粒度互补（DGC）模块联合捕获中间层特征中的细粒度细节与位置信息、深度语义感知（DSP）模块通过自注意力机制细化高层位置线索。此外，引入局部-全局引导融合（LGF）模块以取代传统卷积，实现有效的多层特征融合。大量实验表明，G2HFNet生成高质量的显著性图并在具有挑战性的遥感场景中显著提升了检测性能。
引用
@article{arxiv.2603.12680,
title = {G2HFNet: GeoGran-Aware Hierarchical Feature Fusion Network for Salient Object Detection in Optical Remote Sensing Images},
author = {Bin Wan and Runmin Cong and Xiaofei Zhou and Hao Fang and Chengtao Lv and Sam Kwong},
journal= {arXiv preprint arXiv:2603.12680},
year = {2026}
}