基于涂鸦标注的边界感知网络用于遥感图像弱监督显著目标检测
计算机视觉与模式识别
2022-02-09 v1
摘要
现有基于CNN的显著目标检测(SOD)严重依赖大规模像素级标注,这耗时费力且成本高昂。相比之下,稀疏标注在显著目标检测领域日益受到关注。然而,鲜有研究致力于从稀疏标注学习显著目标检测,尤其在遥感领域。此外,稀疏标注通常包含信息稀少,导致难以训练出性能良好的模型,使其性能大幅落后于全监督模型。尽管一些SOD方法采用先验线索提升检测性能,但它们通常缺乏对目标边界的针对性判别,从而给出边界定位不佳的显著图。为此,本文提出一种新颖的弱监督显著目标检测框架,从稀疏涂鸦标注预测遥感图像的显著性。为实现该框架,我们首先通过用涂鸦重新标注现有大规模SOD数据集,构建了基于涂鸦的遥感显著性数据集,即S-EOR数据集。随后,我们提出一种新颖的基于涂鸦的边界感知网络(SBA-Net)用于遥感显著目标检测。具体而言,我们设计边界感知模块(BAM)以挖掘目标边界语义,该模块由边界标签生成(BLG)模块所生成的高置信度目标边界(伪)标签显式监督,迫使模型学习突出目标结构的特征,从而提升目标边界定位。随后,边界语义与高层特征相融合,在涂鸦标签监督下引导显著目标检测。
引用
@article{arxiv.2202.03501,
title = {Scribble-based Boundary-aware Network for Weakly Supervised Salient Object Detection in Remote Sensing Images},
author = {Zhou Huang and Tian-Zhu Xiang and Huai-Xin Chen and Hang Dai},
journal= {arXiv preprint arXiv:2202.03501},
year = {2022}
}
备注
33 pages, 10 figures