基于特征关联的光学遥感图像轻量显著目标检测
计算机视觉与模式识别
2022-05-04 v1
摘要
光学遥感图像中的显著目标检测（ORSI-SOD）已被广泛研究以理解 ORSIs。然而，以往方法主要关注提升检测精度，而忽视了内存与计算开销，这可能阻碍其实际应用。本文提出一种新颖的轻量 ORSI-SOD 方案，称为 CorrNet，以解决这些问题。在 CorrNet 中，我们首先精简骨干网络（VGG-16）并构建轻量子网用于特征提取。随后，遵循由粗到精策略，我们在关联模块（CorrM）中由高层语义特征生成初始粗显著图。该粗显著图作为低层特征的位置引导。在 CorrM 中，我们通过跨层关联操作挖掘高层语义特征之间的目标位置信息。最后，基于低层细节特征，我们在配备密集轻量精炼块的精炼子网中细化粗显著图，并生成最终精细显著图。通过缩减各组件的参数量与计算量，CorrNet 最终仅含 4.09M 参数并以 21.09G FLOPs 运行。在两个公开数据集上的实验结果表明，我们的轻量 CorrNet 相较于 26 种前沿方法（含 16 种大型基于 CNN 的方法与 2 种轻量方法）取得了有竞争力甚至更优的性能，同时具备明显的内存与运行时间效率。我们的方法代码与结果见 https://github.com/MathLee/CorrNet。
引用
@article{arxiv.2201.08049,
title = {Lightweight Salient Object Detection in Optical Remote Sensing Images via Feature Correlation},
author = {Gongyang Li and Zhi Liu and Zhen Bai and Weisi Lin and and Haibin Ling},
journal= {arXiv preprint arXiv:2201.08049},
year = {2022}
}
备注
11 pages, 6 figures, Accepted by IEEE Transactions on Geoscience and Remote Sensing 2022