RRNet：用于光学遥感图像显著目标检测的带并行多尺度注意力的关系推理网络
计算机视觉与模式识别
2022-05-04 v2
摘要
光学遥感图像（RSIs）的显著目标检测（SOD）旨在从光学 RSIs 中定位并提取视觉上显著的对象/区域。尽管已有一些显著性模型被提出以解决光学 RSIs 的固有问题（如复杂背景和尺度变化对象），其准确率和完整性仍不尽如人意。为此，我们在本文中提出一种用于光学 RSIs 中 SOD 的带并行多尺度注意力的关系推理网络。整合空间与通道维度的关系推理模块被设计用于利用高层编码器特征推断语义关系，从而促进更完整检测结果的生成。所提出的并行多尺度注意力模块通过使用经多尺度注意力精炼的低层特征，有效恢复细节信息并解决显著对象的尺度变化问题。在两个数据集上的大量实验表明，我们提出的 RRNet 在定性与定量上均优于现有的最先进 SOD 方法。
引用
@article{arxiv.2110.14223,
title = {RRNet: Relational Reasoning Network with Parallel Multi-scale Attention for Salient Object Detection in Optical Remote Sensing Images},
author = {Runmin Cong and Yumo Zhang and Leyuan Fang and Jun Li and Yao Zhao and Sam Kwong},
journal= {arXiv preprint arXiv:2110.14223},
year = {2022}
}
备注
11 pages, 9 figures, Accepted by IEEE Transactions on Geoscience and Remote Sensing 2021, project: https://rmcong.github.io/proj_RRNet.html