用于航空影像语义分割的混合多重注意力网络
计算机视觉与模式识别
2020-09-16 v3 图像与视频处理
摘要
甚高分辨率(VHR)航空影像中的语义分割是遥感影像理解中最具挑战性的任务之一。当前大多数方法基于深度卷积神经网络(DCNNs)。然而,具有局部感受野的标准卷积无法建模全局依赖关系。先前研究表明,基于注意力的方法能够捕获长程依赖并进一步重构特征图以获得更好的表示。尽管如此,受限于空间与通道注意力单一视角以及自注意力机制巨大的计算复杂度,难以对复杂光谱遥感数据中每个像素对之间的有效语义相互依赖关系进行建模。本工作中,我们提出了一种称为混合多重注意力网络(HMANet)的新型基于注意力的框架,以更有效且高效的方式从空间、通道和类别视角自适应捕获全局关联。具体而言,嵌入类别通道注意力(CCA)模块的类别增强注意力(CAA)模块可用于计算基于类别的相关性并重新校准类别级信息。此外,我们引入了一个简单而有效的区域洗牌注意力(RSA)模块,通过区域级表示减少特征冗余并提升自注意力机制的效率。在 ISPRS Vaihingen 和 Potsdam 基准上的大量实验结果证明了我们的 HMANet 相对于其他最先进方法的有效性与高效性。
引用
@article{arxiv.2001.02870,
title = {Hybrid Multiple Attention Network for Semantic Segmentation in Aerial Images},
author = {Ruigang Niu and Xian Sun and Yu Tian and Wenhui Diao and Kaiqiang Chen and Kun Fu},
journal= {arXiv preprint arXiv:2001.02870},
year = {2020}
}