論文の概要: Dense Attention Fluid Network for Salient Object Detection in Optical
Remote Sensing Images
- arxiv url: http://arxiv.org/abs/2011.13144v1
- Date: Thu, 26 Nov 2020 06:14:10 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-20 08:54:59.742557
- Title: Dense Attention Fluid Network for Salient Object Detection in Optical
Remote Sensing Images
- Title（参考訳）: 光リモートセンシング画像における有意物体検出のためのDense Attention Fluid Network
- Authors: Qijian Zhang, Runmin Cong, Chongyi Li, Ming-Ming Cheng, Yuming Fang,
Xiaochun Cao, Yao Zhao, and Sam Kwong
- Abstract要約: 光リモートセンシング画像(RSI)における有意物体検出のためのエンド・ツー・エンドDense Attention Fluid Network(DAFNet)を提案する。
GCA(Global Context-Aware Attention)モジュールは、長距離の意味的関係を適応的にキャプチャするために提案される。
我々は、2000枚の画像とピクセルワイドなサリエンシアノテーションを含むSODのための新しい、挑戦的な光学RSIデータセットを構築した。
- 参考スコア（独自算出の注目度）: 193.77450545067967
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Despite the remarkable advances in visual saliency analysis for natural scene
images (NSIs), salient object detection (SOD) for optical remote sensing images
(RSIs) still remains an open and challenging problem. In this paper, we propose
an end-to-end Dense Attention Fluid Network (DAFNet) for SOD in optical RSIs. A
Global Context-aware Attention (GCA) module is proposed to adaptively capture
long-range semantic context relationships, and is further embedded in a Dense
Attention Fluid (DAF) structure that enables shallow attention cues flow into
deep layers to guide the generation of high-level feature attention maps.
Specifically, the GCA module is composed of two key components, where the
global feature aggregation module achieves mutual reinforcement of salient
feature embeddings from any two spatial locations, and the cascaded pyramid
attention module tackles the scale variation issue by building up a cascaded
pyramid framework to progressively refine the attention map in a coarse-to-fine
manner. In addition, we construct a new and challenging optical RSI dataset for
SOD that contains 2,000 images with pixel-wise saliency annotations, which is
currently the largest publicly available benchmark. Extensive experiments
demonstrate that our proposed DAFNet significantly outperforms the existing
state-of-the-art SOD competitors. https://github.com/rmcong/DAFNet_TIP20
- Abstract（参考訳）: 自然シーン画像(NSI)の視覚的サリエンシ解析の進歩にもかかわらず、光学リモートセンシング画像(RSI)のサリエント物体検出(SOD)は依然としてオープンで困難な問題である。
本稿では,光学RSIにおけるSODのためのエンドツーエンドDense Attention Fluid Network (DAFNet)を提案する。
Global Context-Aware Attention (GCA)モジュールは、長距離の意味的関係を適応的に捉えるために提案され、さらにDense Attention Fluid (DAF)構造に埋め込まれている。
具体的には、グローバル特徴集約モジュールは、任意の2つの空間位置から有意な特徴埋め込みの相互強化を達成し、カスケードされたピラミッドアテンションモジュールは、カスケードされたピラミッドフレームワークを構築して、アテンションマップを粗い方法で段階的に洗練するスケール変動問題に取り組む。
さらに,SODのための新しい,かつ挑戦的な光学RSIデータセットを構築した。
我々の提案したDAFNetは、既存の最先端のSODコンペティターよりも大幅に優れています。
https://github.com/rmcong/DAFNet_TIP20
関連論文リスト
- Multi-Scale Direction-Aware Network for Infrared Small Target Detection [2.661766509317245]
赤外小目標検出は、背景とターゲットを効果的に分離することが難しい問題に直面している。
我々は、赤外線小ターゲットの高周波方向特徴を統合するためのマルチスケール方向対応ネットワーク(MSDA-Net)を提案する。
MSDA-Netは、パブリックNUDT-SIRST、SIRST、IRSTD-1kデータセット上で、最先端(SOTA)結果を達成する。
論文 参考訳（メタデータ） (2024-06-04T07:23:09Z) - DAM-Net: Global Flood Detection from SAR Imagery Using Differential
Attention Metric-Based Vision Transformers [22.885444177106873]
高分解能合成開口レーダ(SAR)画像を用いた浸水領域の検出は危機管理や災害管理における重要な課題である。
そこで本研究では,新しいディファレンシャル・アテンション・メトリック・ベース・ネットワーク(DAM-Net)を提案する。
DAM-Netは、多時間画像のマルチスケールな変化特徴を得るためのウェイトシェアリングシームスバックボーンと、水体変化の高レベルな意味情報を含むトークンの2つのキーコンポーネントから構成される。
論文 参考訳（メタデータ） (2023-06-01T14:12:33Z) - Attention Guided Network for Salient Object Detection in Optical Remote
Sensing Images [16.933770557853077]
光リモートセンシング画像(RSI-SOD)における局所物体検出は非常に難しい作業である。
本稿では,光学RSIにおけるSODのための新しい注意誘導ネットワーク(AGNet)を提案する。
AGNetは、他の最先端の手法と比較して、競争力がある。
論文 参考訳（メタデータ） (2022-07-05T01:01:03Z) - A lightweight multi-scale context network for salient object detection
in optical remote sensing images [16.933770557853077]
光学RSIにおける有能な物体検出のためのマルチスケールコンテキストネットワークMSCNetを提案する。
具体的には、有能なオブジェクトのスケール変動に対処するために、マルチスケールコンテキスト抽出モジュールを採用する。
複雑な背景の完全正当性オブジェクトを正確に検出するために,注意に基づくピラミッド特徴集約機構を設計する。
論文 参考訳（メタデータ） (2022-05-18T14:32:47Z) - Adjacent Context Coordination Network for Salient Object Detection in
Optical Remote Sensing Images [102.75699068451166]
本稿では,光RSI-SODのためのエンコーダ・デコーダアーキテクチャにおいて,隣接した特徴のコーディネートを探索するための新しいアジャセントコンテキストコーディネートネットワーク(ACCoNet)を提案する。
提案されたACCoNetは、9つの評価基準の下で22の最先端メソッドを上回り、1つのNVIDIA Titan X GPU上で81fpsで動作する。
論文 参考訳（メタデータ） (2022-03-25T14:14:55Z) - Learning Deep Context-Sensitive Decomposition for Low-Light Image
Enhancement [58.72667941107544]
典型的なフレームワークは、照明と反射を同時に推定することであるが、特徴空間にカプセル化されたシーンレベルの文脈情報を無視する。
本研究では,空間スケールにおけるシーンレベルのコンテキスト依存を生かした,コンテキスト依存型分解ネットワークアーキテクチャを提案する。
チャネル数を減らして軽量なCSDNet(LiteCSDNet)を開発する。
論文 参考訳（メタデータ） (2021-12-09T06:25:30Z) - Multi-Content Complementation Network for Salient Object Detection in
Optical Remote Sensing Images [108.79667788962425]
光リモートセンシング画像(RSI-SOD)における有能な物体検出は、いまだに課題である。
本稿では, RSI-SOD における複数コンテンツの相補性を検討するために, MCCNet (Multi-Content Complementation Network) を提案する。
MCCMでは、前景機能、エッジ機能、背景機能、グローバル画像レベル機能など、RSI-SODにとって重要な複数の機能について検討する。
論文 参考訳（メタデータ） (2021-12-02T04:46:40Z) - RRNet: Relational Reasoning Network with Parallel Multi-scale Attention
for Salient Object Detection in Optical Remote Sensing Images [82.1679766706423]
光リモートセンシング画像(RSI)のためのSODは、光学RSIから視覚的に特徴的な物体や領域を探索・抽出することを目的としている。
光学RSIにおけるSODに並列なマルチスケールアテンションを持つリレーショナル推論ネットワークを提案する。
提案するRRNetは,既存の最先端SODコンペティタよりも質的,定量的に優れている。
論文 参考訳（メタデータ） (2021-10-27T07:18:32Z) - A Parallel Down-Up Fusion Network for Salient Object Detection in
Optical Remote Sensing Images [82.87122287748791]
光リモートセンシング画像(RSI)における有意な物体検出のための新しい並列ダウンアップフュージョンネットワーク(PDF-Net)を提案する。
In-pathの低レベル・高レベルな特徴とクロスパスの多解像度な特徴をフル活用して、多様なスケールのサルエントオブジェクトを識別し、散らかった背景を抑える。
ORSSDデータセットの実験により、提案したネットワークは定性的かつ定量的に最先端のアプローチよりも優れていることが示された。
論文 参考訳（メタデータ） (2020-10-02T05:27:57Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。