基于超像素注意力和孪生结构的半监督高光谱显著性目标检测
高光谱显著性目标检测技术在伪装识别、异常检测等领域展现了惊人的潜力,并得到了广泛的关注.基于深度学习技术的神经网络模型克服了传统算法检测精度低、鲁棒性弱的缺点,但是数据标注成本限制了其进一步发展.为此提出了一种超像素注意力孪生半监督算法,使用少量全监督数据和大量弱监督数据进行训练,有效降低了标注成本.该算法由孪生预测模块和注意力辅助模块组成,其中孪生预测模块捕获弱标签隐式约束并生成显著性结果图,注意力辅助模块利用超像素级通道注意力机制优化预测结果.新提出的超像素注意力孪生半监督算法在高光谱数据集上实现了87%的检测精度,优于其他流行算法,在有效降低标注成本的同时具有优异的显著性检测性能.
高光谱显著性目标检测、半监督训练、孪生结构、超像素注意力机制、深度学习
44
TJ301(火炮)
国家自然科学基金202020429036
2023-10-09(万方平台首次上网日期,不代表论文的发表时间)
共11页
2639-2649