利用基于块的注意力改进航空影像语义分割
计算机视觉与模式识别
2021-06-30 v1
摘要
特征表示能力与空间定位精度之间的权衡对于航空影像的密集分类/语义分割至关重要。从神经网络深层提取的高级特征富含语义信息，但空间细节模糊；从网络浅层提取的低级特征包含更多像素级信息，但孤立且含噪。因此，由于高级与低级特征在物理信息内容与空间分布上的差异，难以弥合二者之间的鸿沟。在本工作中，我们通过两种方式增强特征表示来解决此问题。一方面，提出块注意力模块（PAM）以基于局部注意力的块级计算来增强上下文信息的嵌入。另一方面，提出注意力嵌入模块（AEM）通过从高级特征嵌入局部聚焦来丰富低级特征的语义信息。所提两个模块均为轻量级，可应用于处理卷积神经网络（CNNs）提取的特征。实验表明，通过将所提模块集成到基线全卷积网络（FCN）中，所得的局部注意力网络（LANet）大幅改进了基线性能，并在两个航空影像数据集上优于其他基于注意力的方法。
引用
@article{arxiv.1911.08877,
title = {Improving Semantic Segmentation of Aerial Images Using Patch-based Attention},
author = {Lei Ding and Hao Tang and Lorenzo Bruzzone},
journal= {arXiv preprint arXiv:1911.08877},
year = {2021}
}
备注
[J]. IEEE Transactions on Geoscience and Remote Sensing, 2020