论文阅读——Adjacent Context Coordination Network for Salient Object Detection in Optical Remote Sensing

已于 2023-11-22 21:34:49 修改
阅读量120 收藏
点赞数
分类专栏： 论文阅读 文章标签： 论文阅读 目标检测 人工智能
于 2023-11-17 11:49:15 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_40527560/article/details/134457996
版权

目录

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

  1. 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

  1. 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

在这里插入图片描述
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

醋酸洋红就是我
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
分析显著性目标检测--Global Context-Aware Progressive Aggregation Network for Salient Object Detection
qq_43633455的博客
07-16 1284
分析显著性目标检测–Global Context-Aware Progressive Aggregation Network for Salient Object Detection 这里写目录标题分析显著性目标检测--Global Context-Aware Progressive Aggregation Network for Salient Object Detection引入方法网络概述FIA引入方法网络概述FIA功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段
显著性目标检测之Global Context-Aware Progressive Aggregation Network for Salient Object Detection（GCPANet）浅析
spellindover的博客
07-19 1816
显著性目标检测——Global Context-Aware Progressive Aggregation Network for Salient Object Detection（GCPANet）浅析 文章目录显著性目标检测——Global Context-Aware Progressive Aggregation Network for Salient Object Detection（GCPANet）浅析摘要简介显著性目标检测应用范围显著性目标检测发展现状显著性目标检测存在问题（基于FCN）GRAPN
顶刊TCYB 2022｜遥感显著目标检测新基线ACCoNet，南洋理工IEEE Fellow团队出品
shentibeitaokongle的博客
01-15 889
本文对编码器-解码器架构中的上下文信息进行挖掘，并根据遥感目标图像的特点，提出了一种简单有效的遥感显著目标检测网络ACCoNet。ACCoNet中提取的上下文信息有利于解决遥感SOD任务中的可变对象比例、对象形状和对象数量。在编码器中，提出的 ACCoM 可以用来协调相邻特征（即当前、先前和后续特征）并探索显着区域激活的相邻信息。在解码器中，提出了 BAB 模块来捕获显著目标区域的多尺度信息。ACCoM 和 BAB 都学习上下文信息以改进显著对象的特征表示。
论文阅读：Spatial context-aware network for salient object detection
xiongxyowo的博客
07-11 796
论文地址：https://doi.org/10.1016/j.patcog.2021.107867 代码地址： 发表于：PR 2021 I. Intro 这个网络是用来进行显著目标检测与伪装目标检测的，并且在这两个任务上均达到了SOTA 将Joint Training应用到了两个近乎相反的任务上 Network Architecture 嘤嘤嘤 Long-path Context Module 嘤嘤嘤 Short-path Context Module 嘤嘤嘤 Loss 本文没有采用比较特别的loss
TIP 2021 | 用于光学遥感图像显著性目标检测的稠密注意力流网络与公开数据集...
阿木寺的博客
01-08 3538
点击上方“CVer”，选择加"星标"置顶重磅干货，第一时间送达本文转载自：BJTU MePro论文题目：Dense Attention Fluid Network for...
Multi-scale Interactive Network for Salient Object Detection（用于显著性目标检测的多尺度交互网络）
qq_39172845的博客
05-05 2321
Abstract Deep-learning based salient（显著的）object detection methods achieve great progress.However, the variable scale and unknown category of salient objects are great challenges all the time.These are closely related to the utilization（利用） of mul...
Groups of Adjacent Contour Segments for Object Detection
10-19
《基于相邻轮廓段的物体检测技术探析》 在计算机视觉领域，物体检测是一项至关重要的任务，它旨在从图像中定位并识别出特定的目标对象。本文将深入探讨一种名为kAS（Kernel Adjacency Segments）的技术，该技术着重...
A multiscale bi-Gaussian filter for adjacent curvilinear structures detection with application to vasculature images
02-09
The intensity or gray-level derivatives have been widely used in image segmentation and enhancement. Conventional derivative filters often suffer from an undesired merging of adjacent objects, due to ...
论文研究-Disjoint Paths between Adjacent Vertices in Bijective Connection Networks.pdf
08-19
BC网络上相邻顶点间独立路径的构造算法，程宝雷，樊建席，一一对应连接互连网络是超立方体变型族，包括超立方体、扭立方体、交叉立方体、莫比乌斯立方体及局部扭立方体等。本文研究了n维��
Spectrum sidelobe suppression for discrete Fourier transformation-based orthogonal frequency division multiplexing using adjacent subcarriers correlative coding
02-21
Spectrum sidelobe suppression for discrete Fourier transformation-based orthogonal frequency division multiplexing using adjacent subcarriers correlative coding
Pyramidal Feature Shrinking for Salient Object Detection阅读笔记
Malidong的博客
06-29 671
AAAI 2021 Mingcan Ma，Changqun Xia，Jia Li 论文地址 一、简介 二、方法 2.1 Adjacent Fusion Module（AFM） AFM模块主要有两大作用，一个是输出特征需要继承
【论文笔记】Multi-Content Complementation Network for Salient Object Detection in Optical RSI
m0_61899108的博客
11-07 1157
论文：Multi-Content Complementation Network for Salient Object Detection in Optical Remote Sensing Images发表： IEEE TGRS, vol. 60, pp. 1-13, 2022代码： https://github.com/mathlee/mccnet。
论文阅读：Pyramidal Feature Shrinking for Salient Object Detection
xiongxyowo的博客
07-02 1030
论文地址：https://ojs.aaai.org/index.php/AAAI/article/view/16331 发表于：AAAI 2021 I. Intro 这个网络是用来进行显著目标检测的， II. Network Architecture 一点一点来看： Xs : SOD数据集中的图像 Xc : COD数据集中的图像 EαsE_{\alpha_{s}}Eαs​​ : 用于SOD的Encoder，backbone为ResNet50 EαcE_{\alpha_{c}}Eαc​​ : 用于C
Feature Alignment and Uniformity for Test Time Adaptation--论文笔记
dezwb的博客
07-11 1031
TTA在接收训练分布外的测试域样本时对深度神经网络进行自适应。在这样设置下，模型只能访问在线未标记的测试样本和训练域上的预训练模型。由于源域和目标域之间的域差距，我们首先将TTA作为一个特征修正问题来解决。之后，我们根据对齐和一致性两个方面来讨论测试时间特征的修正。对于测试时间特征一致性，我们提出了一种测试时间自蒸馏策略，以确保当前批次和所有先前批次的表示之间的一致性。对于测试时间特征对齐，我们提出了一种记忆的空间局部聚类策略，以对齐即将到来的批次的邻域样本之间的表示。
DELTA: DEGRADATION-FREE FULLY TEST-TIME ADAPTATION--论文笔记
dezwb的博客
07-10 1322
完全测试时间自适应旨在使预训练模型在实时推理过程中适应测试数据流，当测试数据分布与训练数据分布不同时，这种方法很有效。为提高适应性能作出了若干努力。然而，我们发现，在一些刘硎的的自适应方法中，如测试时批量归一化（BN）和自学习，隐藏了两个不利的缺陷。首先，我们指明了测试时间BN中的归一化统计量完全受当前接收的测试样本的影响，会导致不准确的估计。其次，我们证明了在测试时间自适应过程中，参数更新偏向于一些优势类。
[论文笔记]RAPTOR: RECURSIVE ABSTRACTIVE PROCESSING FOR TREE-ORGANIZED RETRIEVAL
日积月累，天道酬勤
07-10 1175
⭐ 作者引入了一种新颖的方法，递归嵌入、聚类和总结文本片段，从底部开始构建具有不同摘要级别的树。在推理期间，首先将这棵树拉平，然后从拉平的树节点中检索，将跨不同抽象级别的庞大文档中的信息整合起来。
DROO论文笔记
qq_61897765的博客
07-14 659
读论文的笔记
Reinforced Causal Explainer for GNN论文笔记
最新发布
qq_61897765的博客
07-14 488
论文笔记
Java实现推箱子游戏本科毕业论文设计.doc
07-12
with one calculation determining if the character can reach a certain grid, and another determining if a box can reach an adjacent grid. The soothing music and interesting steps along the way are ...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

醋酸洋红就是我

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值