为什么要看这篇
这篇是显著性检测结合遥感图像的,之前截图版写过,但觉得重要,故再详细写一遍
基本信息
期刊 | IEEE TRANSACTIONS ON CYBERNETICS |
---|---|
年份 | 2022 |
论文地址 | https://ieeexplore.ieee.org/document/9756652 |
代码地址 | https://github.com/MathLee/ACCoNet |
标题
光学遥感图像显著目标检测的邻域协调网络
目前存在的问题
- 前人的DAFNet网络捕获边缘和纹理信息的低级特征的浅层注意线索传递到捕获语义和目标位置信息的高级特征的深层注意线索,但是,由于忽略了高阶特征对低阶特征的影响,在特征交互中覆盖度不够,解码器块级联结构简单,可能导致光学RSIs中对上下文信息的挖掘不完整
改进
- 全面挖掘相邻特征中包含的上下文信息,扩大特征交互的覆盖面,提高纯解码器块的上下文捕获能力
网络结构
引入相邻层特征间的特征交互是捕获跨层上下文互补信息的有效策略。这对于光学rsi中细化细节和确定显著目标位置是有效的
损失函数
普通BCE和IOU结合
训练
ORSSD和EORSSD进行训练,初始学习率为1e-4,30个epoch后除以10,数据增加采用翻转和旋转,产生原始训练数据的7个变体,使用matlab写的脚本
测试
ORSSD和EORSSD进行测试
我的总结
这篇论文就是在编码阶段考虑前后不同的编码阶段对当前编码阶段的影响,解码阶段用不断利用浅层特征融合到深层特征中