Nested Network with Two-Stream Pyramid for Salient Object Detection in Optical Remote Sensing Images

最新推荐文章于 2024-05-15 15:52:52 发布
最新推荐文章于 2024-05-15 15:52:52 发布
阅读量1.5k 收藏 5
点赞数
分类专栏： 目标检测 文章标签： 遥感图像 目标检测
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/weixin_37709708/article/details/93379932
版权

该论文提出LV-Net，其包含两个关键模块：一个双流的金字塔模块（L形状），一个使用了nested connection的编码器-解码器模块。具体的，该L形状的模块使用双流金字塔结构，将一系列互补的信息层次化的抽取出来。这一步，可以保留显著对象的的多样尺度和局部细节。V形状的模块，逐渐的将编码器的细节特征与解码器的语义特征通过nested connections的方式连接起来，目的是抑制杂乱的背景且对于显著性目标进行高亮化处理。

本文中，自然场景图像（总是RGB格式的）指的是由手持照相机或悬挂在地面上的某一个物体上的相机捕捉到的图像，其中，由此类相机拍摄到的图像中对象都是竖直方向的。

常见的目标检测，显著性目标检测和异常检测三者之间的差别：

目标检测是一个以检测出所有物体的通用性任务，显著性目标检测只管至于发现显著性目标，异常检测用于发现异常对象。同时，目标检测和异常检测总是使用bounding boxes来描画对象，而显著性目标检测是产生像素级别的显著性概率图

与其他论文相同，使用的诗句来源于Google Earth，且分辨路范围为0.5m-2m。与自然场景图象相比，RSIs中的对象总是有很多不同的朝向，尺寸和类型。同时，光学RSI图像与高频谱图像不同，高频谱图像具有更多的频带信息。而光学RSI包含很多人眼友好的颜色表示。

由于光学RSI总是以一个高角度拍摄户外，所以，就可能存在多样尺度的对象，多样化的场景和目标类型，杂乱的背景和阴影噪声。右时，在真实户外场景中&#

最低0.47元/天 解锁文章
chenying66
关注
  • 0
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Nested Network with Two-Stream Pyramid for Salient Object Detection in Optical Remote Sensing Image
zhaoyinfu8021的博客
06-22 502
原文下载地址：https://arxiv.org/pdf/1906.08462.pdf 本文提出LV-Net，其包含两个关键模块：一个双流的金字塔模块（L形状），一个使用了嵌套链接的编码器-解码器模块。 具体嵌套连接的解释，详见https://blog.csdn.net/zhaoyinfu8021/article/details/93379764 具体的，该L形状的模块使用双流金字塔结构，将...
异常检测（Anomaly Detection）
Flare_J 的博客
03-08 8126
异常检测（Anomaly Detection）1. 异常检测的定义2. 异常检测的分类2.1 按照应用目标数据分类2.2 按照异常类型分类2.3 按照数据标签可用性分类3. 异常检测的使用 1. 异常检测的定义 异常检测，是一种用于识别不符合预期行为的异常模式的技术，称为异常值。通常为无监督学习问题，其中先验未知异常样本，并且假定大多数训练数据集由 “ 正常 ” 数据组成。 通常，异常检测也称为 Novelty Detection 或 Outlier Detection，Forgery Detection
基于语义匹配和边缘对齐的光学遥感图像轻量化显著目标检测
最新发布
qq_44770238的博客
05-15 600
我们还提出了一种边缘自对齐模块(Edge Self-Alignment Module)，用于底层特征的边缘对齐，即对从底层特征中提取的跨尺度边缘信息进行对齐，修正边缘误差，并用这些信息增强特征。具体来说，SeaNet包括一个用于特征提取的轻量级MobileNet-V2，一个用于高级特征的动态语义匹配模块(DSMM)，一个用于低级特征的边缘自对齐模块(ESAM)，以及一个用于推理的便携式解码器。首先，将高级特征压缩到语义核中。尽管如此，他们的策略启发了我们的方法，如经典的深度监督、边缘辅助和差分特征处理。
Object Detection in Optical Remote Sensing Images: A Survey and A New Benchmark
热门推荐
weixin_36670529的博客
09-01 1万+
摘要： 最近已作出大量努力，提出光学遥感图像中的各种目标检测方法。然而，目前对光学遥感图像中目标检测的数据集调查和基于深度学习的方法还不够完善。此外，现有的数据集大多存在一些不足之处，如图像和目标类别数量较少，图像多样性和变异性不足。这些局限性极大地影响了基于深度学习的目标检测方法的发展。本文综述了近年来计算机视觉和地球观测领域基于深度学习的目标检测研究进展。然后，我们提出了一个大规模、公开可用......
论文阅读——Dense Attention Fluid Network for Salient Object Detection in Optical Remote Sensing Images
醋酸洋红的博客
11-17 84
对数据集ORSSD和EORSSD进行60个epoch训练，采用翻转和旋转相结合的数据增强技术提高训练样本的多样性，每个样本产生7个变体，前20个阶段的学习速率固定为1e−4，然后平均下降到1e−6。光学遥感图像显著目标检测的密集注意流体网络。对数据集ORSSD和EORSSD进行测试。用到了DAFNet的数据增强方法。边缘损失BCE和显著图损失BCE。
[论文阅读] Cross-layer feature pyramid network for salient object detection
xiongxyowo的博客
07-18 1487
论文地址：https://dx.doi.org/10.1109/TIP.2021.3072811 发表于：TIP 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 Global Contextual Information 深层特征图包含全局上下文信息，但是也牺牲了一定的空间分辨率与局部细节。那么这就有一个问题，如果全局上下文信息提取的不够准确的话，那么也会直接对后续refine的性
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 3552
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...
A Supervised Multi-Head Self-Attention Network for Nested NE.pdf
09-17
A Supervised Multi-Head Self-Attention Network for Nested NE.pdf
Nested Object JSON Parser-crx插件
04-02
JSON（JavaScript Object Notation）是一种轻量级的数据交换格式，被广泛用于Web应用程序之间传递数据。它基于JavaScript的一个子集，具有易读易写的特点，同时也被其他编程语言支持。在处理复杂的、多层次的JSON...
code for Holistically-Nested Edge Detection
11-09
that are important in order to resolve the challenging ambiguity in edge and object boundary detection. We significantly advance the state-of-the-art on the BSD500 dataset (ODS F-score of .790) and ...
Extending optical filaments with phase-nested laser beams
02-13
Extending the length of femtosecond laser filamentation has always been desired for practical applications. Here, we demonstrate that significant extending of a single filament in BK7 glass can be ...
Index-Nested-Loop-Join-INLJ:使用Semi Stream Join实现构建和分析DW原型
03-29
索引嵌套循环联接（INLJ） 该项目是关于使用半流联接（INLJ）实现构建和分析数据仓库原型。 操作数据仓库 数据仓库的操作可以分为三个主要步骤： 创建数据仓库。 使用INLJ算法提取，转换和加载。...
论文阅读笔记-Progressive Attention Guided Recurrent Network for Salient Object Detection
HAHAQingQing___的博客
06-12 607
论文名翻译：渐进注意引导循环网络用于显著性目标检测。 **发表情况：**该论文于2018年发表在CVPR。 论文核心思想： 引入空间注意力(SA)和通道注意力(CA)，提出了一种新型注意力驱动框架。其目的是想以一种渐进的方式选择性的融合多层特征。 在骨干网络VGG19上加入了多路循环连接。其目的是把顶层的全局语义信息反馈给浅层，从而提高网络的特征学习能力。 一.提出问题 目前的深度学习的方法仅是把多层特征机械地整合在一起。 网络的浅层缺乏获取全局语义信息的能力，限制了有效的特征学习。 二.解决问题
什么是异常检测？
happylls666的博客
01-15 1549
异常检测小结
【ML32】Anomaly Detection Algorithm 异常检测算法
weixin_43098506的博客
10-08 944
而却有一辆出租车5分钟走了25公里，有几辆出租车20分钟还没有走10公里，根据我们的要求，5分钟那个为异常数据，其超速行驶；因为我们不能将拿到的牛奶种有多少是对的牛奶作为A的能力的评价，还要结合拿到了多少对的牛奶，可以检测工业产品异常，可以检测人异常不异常，对于异常的概念不要深究，归根到底还是尝试着找到。异常检测 对比 监督学习，最大的区别在于监督学习只能检测出指定的问题，而异常检测却可以检测出没有指定的错误以及问题。将待检测数据的每个因素的高斯函数结果(概率)相乘，若其结果小于标准 ε，则为正常；
高光谱目标检测论文学习（3）——An Effective Evaluation Tool for Hyperspectral Target Detection: 3D ROC Analysis
MrBamboo2000的博客
12-03 2433
前言 这篇文章是这个系列的第三篇，论文还是与前两篇同一作者。前面我们主要讲了一些目标检测的方法，比如第一篇里我们总结了基于LRT、基于SNR和基于SA的三类方法，在第二篇中我们聚焦混合像素图像的目标检测问题，对一种经典的方法OSP进行改进。只有方法还不是全部，我们还需要了解，用什么指标去衡量这些方法的性能。在前两篇文章中，我们都提到了3D-ROC这个用来进行评估的工具，这一篇就来重点看看这个工具。如果只是想简单了解本文，可以只看思路部分。 思路 ROC的全名叫做Receiver Operating Char
Python处理高光谱数据#4 异常检测与匹配
qq_273058791的博客
01-30 2897
基于Python的高光谱图像异常检测与匹配 高光谱数据：点击此处可下载 用到的库：matplotlib、scipy、spectral 主要内容：异常检测(RX)、目标匹配 欢迎有兴趣的朋友交流指点。最后，废话不多说直接上代码???? import matplotlib.pyplot as plt from scipy.io import loadmat import spectral as spy plt.pause(60) ...
光谱解混与异常检测
vivi_cin的博客
08-11 1915
光谱解混 线性高光谱解混模型综述 DEEP SPECTRAL CONVOLUTION NETWORK FOR HYPERSPECTRAL UNMIXING 原因：高光谱遥感技术具有地物探测能力，而其分辨率有限，地物是均匀连续的而不是离散的，导致光谱图像中存在大量的混合像元。 定义：提取地物并计算地物在混合像元中的比例。提取混合像元中包含的基本地物被称为端元提取；计算每种基本地物所占的比例称为丰度。 Y=θW+E ，Y观测光谱矩阵，θ端元谱矩阵，W丰度矩阵，E噪声矩阵 光谱混合的分类 根据物质混合和物
高光谱异常探测问题解答
Zephyr Hou 的博客
09-02 1335
高光谱异常探测问题解答问题解答问题1:问题2: 欢迎学习交流！ 邮箱：zengf.hou@bit.edu.cn 问题解答 问题1: 高光谱异常目标检测作为高光谱处理的一个重要问题，目前在公开的数据集上已经取得了极高的检测精度，请问异常检测未来的发展前景在哪？ 答： 高光谱异常检测在军事中有着比较重要的应用，在民事中的应用目前也逐渐变得比较多了起来，比如森林火害检测，雪地营救，海洋救援，潜艇探测，高空预警，食品质量检测等等。异常探测作为目标探测的一种特殊情况，完全可以辅助目标探测进行，作为前期的预处理；比
U2-Net: Going deeper with nested U-structure for salient object detection的研究重点是
06-11
U2-Net: Going deeper with nested U-structure for salient object detection 的研究重点是提出了一种新的深度学习模型结构，用于显著目标检测。该模型采用了嵌套的U形结构，可以有效地提取图像中的显著目标信息，...

“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
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