用于云母分割的多尺度网格 Gabor 注意力机制
计算机视觉与模式识别
2024-07-15 v1 天体物理仪器与方法
摘要
本文针对大图像中全局污染物的分割问题进行了研究。对此类结构进行精确描绘需要充足的全局上下文以及对纹理模式的理解。卷积神经网络 (CNN) 擅长后者，然而其生成全局特征的能力有限。注意力机制衡量图像中的长程依赖关系，捕获全局上下文，尽管计算成本较大。我们提出了一种网格注意力机制，以解决这一限制，通过处理多尺度特征到更小的瓷砖中，从而大幅提高了效率。我们还通过衡量不同取向相关性（除通道和位置注意力外），增强了注意力机制以提高对纹理取向的灵敏度。在一个新的天文图像数据集上进行了测试，该数据集的任务是分割大范围污染尘云。
引用
@article{arxiv.2407.08852,
title = {Multi-scale gridded Gabor attention for cirrus segmentation},
author = {Felix Richards and Adeline Paiement and Xianghua Xie and Elisabeth Sola and Pierre-Alain Duc},
journal= {arXiv preprint arXiv:2407.08852},
year = {2024}
}