基于点监督的高光谱图像谱导感染检测器
计算机视觉与模式识别
2024-12-25 v1
摘要
高光谱显著目标检测（HSOD）旨在从高光谱图像中提取显著不同光谱的目标或区域。虽然现有的深度学习方法可以获得良好的检测结果，但通常需要像素级标注，而这在高光谱图像上则相当具有挑战性。为此，我们将点监督引入 HSOD，并将由常规 HSOD 方法推导出的谱显著性作为框架中的关键光谱表示。这种集成导致了一种新的基于点监督的谱导感染检测器（SPSD）的开发。具体而言，我们提出了一个专为高光谱图像设计的新型流程，用于生成伪标签，有效缓解了点监督策略导致的性能下降。此外，谱显著性用于抵消模型监督和显著性细化过程中的信息损失，从而保持检测目标的结构完整性和边缘准确性。进一步地，我们引入了谱转换空间门，以更精确地聚焦于显著区域，同时减少特征冗余。我们在 HSOD-BIT 和 HS-SOD 数据集上进行了全面的实验，以验证我们提出方法的有效性，使用 MAE、E-measure、F-measure、ROC 曲线下面积和交叉相关作为评估指标。例如，在 HSOD-BIT 数据集上，我们的 SPSD 实现了 MAE 为 0.031 且 F-measure 为 0.878。彻底的消融研究已确证了每个模块的有效性，并提供了关于模型工作机制的见解。进一步的评估在 RGB-热成像显著目标检测数据集上也凸显了该方法的通用性。
引用
@article{arxiv.2412.18112,
title = {Spectrum-oriented Point-supervised Saliency Detector for Hyperspectral Images},
author = {Peifu Liu and Tingfa Xu and Guokai Shi and Jingxuan Xu and Huan Chen and Jianan Li},
journal= {arXiv preprint arXiv:2412.18112},
year = {2024}
}
备注
Accepted by IEEE TIM. Code: https://github.com/laprf/SPSD