RSSOD-Bench：面向光学遥感影像显著目标检测的大规模基准数据集
计算机视觉与模式识别
2023-06-06 v1
摘要
我们提出了用于光学遥感影像显著目标检测（SOD）的 RSSOD-Bench 数据集。尽管 SOD 借助深度学习在自然场景图像中已取得进展，但遥感影像显著目标检测（RSSOD）的研究仍处于早期阶段。现有 RSSOD 数据集在规模与场景类别方面存在局限，使其与真实世界应用不相匹配。为弥补这些不足，我们构建了 RSSOD-Bench 数据集，其包含来自美国四座不同城市的图像。该数据集提供了建筑、湖泊、河流、高速公路、桥梁、飞机、船舶、运动场等多种显著目标类别的标注。RSSOD-Bench 中的显著目标具有大尺度变化、背景杂乱以及不同季节的特点。与现有数据集不同，RSSOD-Bench 在场景类别上分布均匀。我们对来自计算机视觉与遥感领域的 23 种不同 SOTA 方法进行了基准测试。实验结果表明，RSSOD 任务仍需更多的研究投入。
引用
@article{arxiv.2306.02351,
title = {RSSOD-Bench: A large-scale benchmark dataset for Salient Object Detection in Optical Remote Sensing Imagery},
author = {Zhitong Xiong and Yanfeng Liu and Qi Wang and Xiao Xiang Zhu},
journal= {arXiv preprint arXiv:2306.02351},
year = {2023}
}
备注
IGARSS 2023, 4 pages