HSOD-BIT-V2：一个具有挑战性的高光谱显著目标检测新基准
计算机视觉与模式识别
2025-03-19 v1 人工智能
摘要
显著目标检测（SOD）在计算机视觉中至关重要，但基于 RGB 的方法在具有挑战性的场景（如小目标和相似颜色特征）中面临局限性。高光谱图像通过丰富的光谱信息为更准确的高光谱显著目标检测（HSOD）提供了一种有前景的解决方案，而 HSOD 方法受到缺乏广泛可用数据集的阻碍。在此背景下，我们引入了 HSOD-BIT-V2，这是迄今为止最大且最具挑战性的 HSOD 基准数据集。设计了五项针对小目标和前景-背景相似性的不同挑战，以强调光谱优势和真实世界的复杂性。为了应对这些挑战，我们提出了 Hyper-HRNet，一个高分辨率 HSOD 网络。Hyper-HRNet 通过捕获自相似光谱特征，有效提取、集成并保留有效的光谱信息，同时降低维度。此外，它通过结合全面的全局信息和详细的目标显著性表征，传递精细细节并精确定位目标轮廓。实验分析表明，Hyper-HRNet 优于现有模型，尤其是在具有挑战性的场景中。
引用
@article{arxiv.2503.13906,
title = {HSOD-BIT-V2: A New Challenging Benchmarkfor Hyperspectral Salient Object Detection},
author = {Yuhao Qiu and Shuyan Bai and Tingfa Xu and Peifu Liu and Haolin Qin and Jianan Li},
journal= {arXiv preprint arXiv:2503.13906},
year = {2025}
}
备注
AAAI 2025