基于 Transformer 的光学遥感图像显著目标检测

Sep, 2023

基于 Transformer 的光学遥感图像显著目标检测

Salient Object Detection in Optical Remote Sensing Images Driven by Transformer

Gongyang Li, Zhen Bai, Zhi Liu, Xinpeng Zhang, Haibin Ling

TL;DR基于全局到局部范式，提出了一种用于光学遥感图像中显著目标检测的全局提取局部探索网络 (GeleNet)。GeleNet 首先采用 Transformer 骨干网络生成四级特征嵌入以捕获全局远程依赖性。然后，GeleNet 利用方向感知的混洗加权空间注意力模块 (D-SWSAM) 和其简化版本 (SWSAM) 增强本地交互，并利用知识传输模块 (KTM) 进一步增强跨级上下文交互。最后，根据上述三个模块的输出，使用显著性预测器生成显著性图。对三个公共数据集进行的广泛实验证明所提出的 GeleNet 优于相关最先进方法。

Abstract

Existing methods for salient object detection in Optical Remote Sensing Images (orsi-sod) mainly adopt Convolutional Neural Networks (CNNs) as the backbone, such as VGG and ResNet. Since CNNs can only extract fea

salient object detection optical remote sensing images orsi-sod transformer backbone global-to-local paradigm

发现论文，激发创造

纹理 - 语义协作网络用于 ORSI 显著目标检测

基于纹理 - 语义协作网络（TSCNet），我们在光学遥感图像中探索纹理线索和语义线索的协作，提出了一种简洁而有效的显著目标检测方法（ORSI-SOD）来应对多个目标、小目标、低照明和不规则形状等挑战，并通过 TSCNet 在三个数据集上的大量实验验证了其竞争性能。

Dec, 2023

用于光学遥感图像显著目标检测的密集注意力流体网络

本文介绍了一种基于 Dense Attention Fluid network 的 Remote Sensing Images (RSIs) 显著性检测方法，提出了新的 Global Context-aware Attention (GCA) 和 cascaded pyramid attention 模块，并构建了包含 2,000 个图像的新型 RSI 数据集进行实验证明了该方法的明显优越性。

Nov, 2020

高分辨率显著目标检测

本文提出了一种新的方法，利用全局语义信息和本地高分辨率细节相结合的方式，完成高分辨率显著性区域检测，并进行了实验验证，证明本方法优于现有的最先进方法。

Aug, 2019

视觉显著性转换器

本文提出了一种基于 transformer 的纯序列转序列架构的视觉显著性检测器（VST），通过建模长程依赖关系，实现了对 RGB 和 RGB-D 显著对象检测的统一建模。实验结果表明，该方法在常用数据集上表现出色，并且提供了新的 SOD 领域的视角和 transformer-based dense prediction 模型的新范式”。

Apr, 2021

基于 Vision Transformer 的简单且高效网络用于伪装物体和显著物体检测

本文提出了一种简单而有效的基于 Vision Transformer（ViT）的网络（SENet），通过采用一种基于不对称 ViT 的编码器 - 解码器结构的简单设计，在隐藏目标检测和显著目标检测两个任务上取得了有竞争力的结果，在精细设计的复杂网络上展现出更大的多样性。

Feb, 2024

RRNet: 具有平行多尺度注意力的关系推理网络，用于光学遥感图像中的显着目标检测

本文提出了一种基于关系推理网络和平行多尺度注意力的光学遥感图像突出对象检测方法，实验表明其定量和定性性能均优于现有最优方法。

Oct, 2021

丰富和深入监督网络用于显著性目标检测

本文提出了一种新的显著性目标检测系统 RDS，它使用更有效的方法传递全局信息，解决传统模型中忽略背景信息的问题，并在使用目标检测数据训练模型时取得了最新的结果。

Jan, 2019

语义提炼引导显著性目标检测

本文提出了一种基于 Vision-Transformer 的语义蒸馏协助显著目标检测方法，通过融合从生成的图像字幕中语义蒸馏的知识，可以更好地揭示物体之间、物体与环境之间的显著性，并弥补了昂贵标注的主观性不足。在五个基准数据集上的综合实验表明，SDG-SOD 在四个评估指标上优于现有技术，并大大提高了 DUTS、ECSSD、DUT、HKU-IS 和 PASCAL-S 数据集上的模型性能。

Mar, 2022

HyperFusion-Net: 密集反射融合用于显著目标检测

在本篇论文中，我们提出了一种基于像素分类的新型特征学习框架，并将显著目标检测作为像素分类问题来解决，该方法采用了名为 HyperFusion-Net 的密集分层特征融合网络，结合 ICNN 和超密集融合机制，它能够自动预测最重要的区域并以端到端的方式分割相关物体，实验结果表明该方法在七个公共数据集上的表现均显著优于其他现有最先进的方法。

Apr, 2018

金字塔式关注网络用于显著性检测

该研究利用 RGB 图像估计深度信息，使用金字塔式的注意力机制从中提取多层级卷积变换的特征，综合使用残差卷积注意力解码器进行显著性预测，取得了比 21 种 RGB SOD 方法和 40 种 RGB-D SOD 方法更为优异的性能表现。

Apr, 2022