RDNet：光遥感图像中区域比例感知的动态自适应显著物体检测网络
计算机视觉与模式识别
2026-03-13 v1 人工智能
摘要
遥感图像中的显著物体检测（SOD）面临显著挑战，包括对象尺寸的大幅变化、自注意力机制的计算成本以及基于 CNN 的提取器在捕获全局上下文和长程依赖方面的局限性。依赖固定卷积核的现有方法往往难以适应多样化的对象尺度，导致细节丢失或不相关特征聚合。为此，本工作旨在增强对尺度变化的鲁棒性并实现精确的对象定位。我们提出了区域比例感知的动态自适应显著物体检测网络（RDNet），用 SwinTransformer 替换 CNN 主干进行全局上下文建模，并引入三个关键模块：（1）动态自适应细节感知（DAD）模块，依据对象区域比例应用不同的卷积核；（2）频率匹配上下文增强（FCE）模块，通过小波相互作用和注意力丰富上下文信息；（3）区域比例感知定位（RPL）模块，采用跨注意力突出语义细节并集成比例引导（PG）模块以辅助 DAD 模块。通过组合这些模块，RDNet 能够对尺度变化具有鲁棒性并实现精确定位，显著优于现有最先进的方法。
关键词
引用
@article{arxiv.2603.12215,
title = {RDNet: Region Proportion-Aware Dynamic Adaptive Salient Object Detection Network in Optical Remote Sensing Images},
author = {Bin Wan and Runmin Cong and Xiaofei Zhou and Hao Fang and Yaoqi Sun and Sam Kwong},
journal= {arXiv preprint arXiv:2603.12215},
year = {2026}
}