SpecDETR：基于Transformer的光谱点目标检测网络
计算机视觉与模式识别
2026-01-13 v5
摘要
光谱目标检测（HTD）旨在基于光谱图像中的光谱信息识别特定材料，能够检测极小尺寸的目标，其中一些目标占据小于一个像素的面积。然而，现有的HTD方法基于像素级二分类，忽略了光谱图像（HSIs）的三维立方结构，这一结构集成了空间和光谱维度。HSIs中空间和光谱特征的协同存在使得目标同时呈现空间和光谱特征，但像素级HTD框架限制了这些特征的联合表达。本文从空间-光谱协同表示的角度重新思考HTD，提出了光谱点目标检测作为一种创新的任务框架。我们引入SpecDETR，这是第一个专为光谱多类点目标检测设计的网络，消除了视觉基对象检测器常需预训练主干网络的依赖。SpecDEtr使用多层Transformer编码器，配合自激亚像素尺度注意力模块，直接从光谱立方体中提取深层空间-光谱联合特征。我们构建了一个模拟的光谱点目标检测基准称SPOD，首次对视觉对象检测网络和HTD方法在光谱点目标检测上的性能进行评估和比较。大量实验表明，我们提出的SpecDETR在SOTA视觉对象检测网络和HTD方法上均取得优异性能。我们的代码和数据集已提供于https://github.com/ZhaoxuLi123/SpecDEtr。
引用
@article{arxiv.2405.10148,
title = {SpecDETR: A transformer-based hyperspectral point object detection network},
author = {Zhaoxu Li and Wei An and Gaowei Guo and Longguang Wang and Yingqian Wang and Zaiping Lin},
journal= {arXiv preprint arXiv:2405.10148},
year = {2026}
}