用于 RGB-热成像显著目标检测的位置感知关系学习
计算机视觉与模式识别
2023-05-17 v1
摘要
RGB-热成像显著目标检测（SOD）结合两个光谱以分割图像中视觉上显著的区域。大多数现有方法使用边界图来学习清晰边界。这些方法忽略了孤立边界像素与其他置信像素之间的交互，导致次优性能。为解决该问题，我们提出了一种基于 swin transformer 的用于 RGB-T SOD 的位置感知关系学习网络（PRLNet）。PRLNet 探索像素间的距离与方向关系，以增强类内紧凑性和类间分离性，生成具有清晰边界和均匀区域的显著目标掩码。具体而言，我们开发了一种新颖的符号距离图辅助模块（SDMAM）以改进编码器特征表示，其考虑了边界邻域内不同像素的距离关系。然后，我们设计了一种带方向场的特征精炼方法（FRDF），其通过利用显著目标内部的特征来修正边界邻域的特征。FRDF 利用目标像素间的方向信息有效增强显著区域的类内紧凑性。此外，我们构建了一个纯 transformer 编码器-解码器网络以增强 RGB-T SOD 的多光谱特征表示。最后，我们在三个公开基准数据集上进行了定量与定性实验。结果表明，我们提出的方法优于当前最先进的方法。
引用
@article{arxiv.2209.10158,
title = {Position-Aware Relation Learning for RGB-Thermal Salient Object Detection},
author = {Heng Zhou and Chunna Tian and Zhenxi Zhang and Chengyang Li and Yuxuan Ding and Yongqiang Xie and Zhongbo Li},
journal= {arXiv preprint arXiv:2209.10158},
year = {2023}
}