論文の概要: Adjacent Context Coordination Network for Salient Object Detection in
Optical Remote Sensing Images
- arxiv url: http://arxiv.org/abs/2203.13664v1
- Date: Fri, 25 Mar 2022 14:14:55 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-28 13:57:58.394168
- Title: Adjacent Context Coordination 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隣接コンテキスト調整ネットワーク
- Authors: Gongyang Li and Zhi Liu and Dan Zeng and Weisi Lin and Haibin Ling
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 102.75699068451166
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Salient object detection (SOD) in optical remote sensing images (RSIs), or
RSI-SOD, is an emerging topic in understanding optical RSIs. However, due to
the difference between optical RSIs and natural scene images (NSIs), directly
applying NSI-SOD methods to optical RSIs fails to achieve satisfactory results.
In this paper, we propose a novel Adjacent Context Coordination Network
(ACCoNet) to explore the coordination of adjacent features in an
encoder-decoder architecture for RSI-SOD. Specifically, ACCoNet consists of
three parts: an encoder, Adjacent Context Coordination Modules (ACCoMs), and a
decoder. As the key component of ACCoNet, ACCoM activates the salient regions
of output features of the encoder and transmits them to the decoder. ACCoM
contains a local branch and two adjacent branches to coordinate the multi-level
features simultaneously. The local branch highlights the salient regions in an
adaptive way, while the adjacent branches introduce global information of
adjacent levels to enhance salient regions. Additionally, to extend the
capabilities of the classic decoder block (i.e., several cascaded convolutional
layers), we extend it with two bifurcations and propose a
Bifurcation-Aggregation Block to capture the contextual information in the
decoder. Extensive experiments on two benchmark datasets demonstrate that the
proposed ACCoNet outperforms 22 state-of-the-art methods under nine evaluation
metrics, and runs up to 81 fps on a single NVIDIA Titan X GPU. The code and
results of our method are available at https://github.com/MathLee/ACCoNet.
- Abstract（参考訳）: 光学リモートセンシング画像(RSI)における正準物体検出(SOD)は、光学RSIを理解する上で新たなトピックである。
しかし、光学RSIと自然シーン画像(NSI)の違いにより、光学RSIに直接NSI-SOD法を適用しても良好な結果が得られない。
本稿では, 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。
具体的には、ACCoNetはエンコーダ、Adjacent Context Coordination Modules (ACCoMs)、デコーダの3つの部分で構成される。
ACCoNetのキーコンポーネントとして、ACCoMはエンコーダの出力特徴の健全な領域を活性化し、デコーダに送信する。
ACCoMにはローカルブランチと隣接する2つのブランチがあり、複数のレベルの特徴を同時に調整する。
局所分枝は順応的にサルエント領域を強調し、隣接する分枝はサルエント領域を強化するために隣接するレベルのグローバル情報を導入する。
さらに、古典的なデコーダブロック(すなわち複数のカスケード畳み込み層)の機能を拡張するために、それを2つの分岐で拡張し、デコーダ内のコンテキスト情報をキャプチャする分岐集約ブロックを提案する。
2つのベンチマークデータセットに対する大規模な実験によると、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まで動作する。
このメソッドのコードと結果は、https://github.com/mathlee/acconetで入手できます。
関連論文リスト
- United Domain Cognition Network for Salient Object Detection in Optical Remote Sensing Images [21.76732661032257]
周波数領域と空間領域のグローバルローカル情報を共同で探索する新しい統一ドメイン認知ネットワーク(UDCNet)を提案する。
実験結果から提案したUDCNetが24種類の最先端モデル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） (2024-11-11T04:12:27Z) - ELGC-Net: Efficient Local-Global Context Aggregation for Remote Sensing Change Detection [65.59969454655996]
本稿では,変化領域を正確に推定するために,リッチな文脈情報を利用する効率的な変化検出フレームワークELGC-Netを提案する。
提案するELGC-Netは、リモートセンシング変更検出ベンチマークにおいて、最先端の性能を新たに設定する。
また,ELGC-Net-LWも導入した。
論文 参考訳（メタデータ） (2024-03-26T17:46:25Z) - Salient Object Detection in Optical Remote Sensing Images Driven by
Transformer [69.22039680783124]
光リモートセンシング画像(ORSI-SOD)のためのGlobal extract Local Exploration Network(GeleNet)を提案する。
具体的には、GeleNetはまずトランスフォーマーバックボーンを採用し、グローバルな長距離依存関係を持つ4レベルの機能埋め込みを生成する。
3つの公開データセットに関する大規模な実験は、提案されたGeleNetが関連する最先端メソッドより優れていることを示している。
論文 参考訳（メタデータ） (2023-09-15T07:14:43Z) - Lightweight Salient Object Detection in Optical Remote-Sensing Images
via Semantic Matching and Edge Alignment [61.45639694373033]
セマンティックマッチングとエッジアライメントに基づく光リモートセンシング画像(ORSI-SOD)のための新しい軽量ネットワークSeaNetを提案する。
具体的には、機能抽出のための軽量MobileNet-V2、高レベルの機能のための動的セマンティックマッチングモジュール(DSMM)、推論のためのポータブルデコーダが含まれる。
論文 参考訳（メタデータ） (2023-01-07T04:33:51Z) - Attention guided global enhancement and local refinement network for
semantic segmentation [5.881350024099048]
エンコーダ・デコーダアーキテクチャを用いて,軽量なセマンティックセマンティックセマンティクスネットワークを開発した。
高レベル特徴マップからグローバル情報を集約するグローバルエンハンスメント手法を提案する。
ローカルリファインメントモジュールは、デコーダ機能をセマンティックガイダンスとして利用することによって開発される。
この2つの手法はContext Fusion Blockに統合され、それに基づいてAttention Guided Global enhancement and Local refinement Network (AGLN) が精巧に設計されている。
論文 参考訳（メタデータ） (2022-04-09T02:32:24Z) - 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) - Sequential vessel segmentation via deep channel attention network [5.941874421818899]
本稿では,新しいエンコーダ・デコーダ・ディープネットワークアーキテクチャを提案する。
これは、現在のフレーム中心のスライディングウィンドウ内の2D+tシーケンシャル画像のコンテキストフレームを利用して、現在のフレームから2D容器マスクを分割する。
このアーキテクチャは、エンコーダ段階での時間空間的特徴抽出、スキップ接続層における特徴融合、デコーダ段階でのチャネルアテンション機構を備える。
論文 参考訳（メタデータ） (2021-02-10T02:45:08Z) - A Holistically-Guided Decoder for Deep Representation Learning with
Applications to Semantic Segmentation and Object Detection [74.88284082187462]
一般的な戦略の1つは、バックボーンネットワークに拡張畳み込みを採用し、高解像度のフィーチャーマップを抽出することです。
本稿では,高分解能なセマンティクスリッチな特徴マップを得るために紹介される,新たなホリスティック誘導デコーダを提案する。
論文 参考訳（メタデータ） (2020-12-18T10:51:49Z) - MACU-Net for Semantic Segmentation of Fine-Resolution Remotely Sensed
Images [11.047174552053626]
MACU-Netは、マルチスケールのスキップ接続と非対称畳み込みベースのU-Netで、微細解像度のリモートセンシング画像を提供する。
本設計では,(1)低レベル・高レベルの特徴写像に含まれる意味的特徴と,(2)非対称な畳み込みブロックは,標準畳み込み層の特徴表現と特徴抽出能力を強化する。
2つのリモートセンシングデータセットで行った実験では、提案したMACU-NetがU-Net、U-NetPPL、U-Net 3+、その他のベンチマークアプローチを超越していることが示されている。
論文 参考訳（メタデータ） (2020-07-26T08:56:47Z)
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。