基于语义匹配与边缘对齐的光学遥感图像轻量级显著目标检测
计算机视觉与模式识别
2023-04-04 v2
摘要
近年来，依托卷积神经网络（CNNs），许多光学遥感图像显著目标检测（ORSI-SOD）方法被提出。然而，多数方法忽视了 CNNs 带来的巨大参数量和计算成本，仅有少数关注便携性与移动性。为促进实际应用，本文提出一种基于语义匹配与边缘对齐的 ORSI-SOD 新型轻量级网络，称为 SeaNet。具体而言，SeaNet 包括用于特征提取的轻量级 MobileNet-V2、用于高层特征动态语义匹配模块（DSMM）、用于低层特征的边缘自对齐模块（ESAM）以及用于推理的便携解码器。首先，高层特征被压缩为语义核。然后，在 DSMM 中通过动态卷积操作，语义核用于激活两组高层特征中的显著目标位置。同时，在 ESAM 中，从两组低层特征提取的跨尺度边缘信息通过 L2 损失自对齐并用于细节增强。最后，从最高层特征开始，解码器基于两个模块输出中包含的准确位置和精细细节推断显著目标。在两个公开数据集上的大量实验表明，我们的轻量级 SeaNet 不仅优于大多数最先进的轻量级方法，而且与最先进的常规方法精度相当，同时对于 288x288 输入仅具有 2.76M 参数和 1.7G FLOPs 的计算量。我们的代码和结果可在 https://github.com/MathLee/SeaNet 获取。
引用
@article{arxiv.2301.02778,
title = {Lightweight Salient Object Detection in Optical Remote-Sensing Images via Semantic Matching and Edge Alignment},
author = {Gongyang Li and Zhi Liu and Xinpeng Zhang and Weisi Lin},
journal= {arXiv preprint arXiv:2301.02778},
year = {2023}
}
备注
11 pages, 4 figures, Accepted by IEEE Transactions on Geoscience and Remote Sensing 2023