面向光学遥感图像显著目标检测的多内容互补网络
计算机视觉与模式识别
2021-12-06 v1 图像与视频处理
摘要
在计算机视觉领域，自然场景图像显著目标检测（NSI-SOD）已取得巨大进展；相比之下，光学遥感图像显著目标检测（RSI-SOD）仍是一个具有挑战性的新兴课题。光学遥感图像独有的尺度、光照和成像方向等特性，使得 NSI-SOD 与 RSI-SOD 之间存在显著差异。本文提出一种新颖的多内容互补网络（MCCNet），以挖掘多内容在 RSI-SOD 中的互补性。具体而言，MCCNet 基于通用的编码器-解码器架构，并包含一个名为多内容互补模块（MCCM）的新颖关键组件，该模块连接编码器与解码器。在 MCCM 中，我们考虑对 RSI-SOD 至关重要的多种特征，包括前景特征、边缘特征、背景特征和全局图像级特征，并利用注意力机制挖掘它们之间的内容互补性，以在遥感图像特征的各种尺度上突出显著区域。此外，我们在训练阶段综合引入了像素级、图级和度量感知损失。在两个流行数据集上的大量实验表明，所提出的 MCCNet 优于 23 种最先进的方法，包括 NSI-SOD 与 RSI-SOD 方法。我们方法的代码与结果可在 https://github.com/MathLee/MCCNet 获取。
引用
@article{arxiv.2112.01932,
title = {Multi-Content Complementation Network for Salient Object Detection in Optical Remote Sensing Images},
author = {Gongyang Li and Zhi Liu and Weisi Lin and Haibin Ling},
journal= {arXiv preprint arXiv:2112.01932},
year = {2021}
}
备注
12 pages, 7 figures, Accepted by IEEE Transactions on Geoscience and Remote Sensing 2021