自适应空间令牌化网络

算力减半，性能不降

首次将 Transformer 引入光学遥感显著目标检测，通过自适应稀疏令牌化与级联聚合解码器，在全局与局部细节之间取得平衡。

Gao, Lina · 刘冰 · Fu, Ping · 徐明珠

IEEE Transactions on Geoscience and Remote Sensing 2023

参数信息

计算量减少

1/2

技术优势

算力减半

自适应空间令牌化模块能够精确稀疏化每个输入图像的令牌，在不牺牲性能的前提下将计算预算减半。

全局依赖建模

Transformer 架构能够捕获长距离依赖关系，弥补 CNN 局部操作的不足，提升在复杂遥感场景中的显著目标检测性能。

超越 20 种 SOTA

在两个标准 ORSI SOD 数据集上，本模型在七项评估指标下大幅超越 20 种最先进方法。

泛化能力强

在最新的挑战性 ORSI 数据集上同样取得了良好的对比结果，展示了模型的泛化能力。

应用场景

• 遥感图像分析：直接嵌入遥感影像处理流程，自动定位显著目标。
• 视觉显著性检测：替代 CNN 模型，以更少算力完成显著目标检测。
• 目标识别：提升遥感影像中特定目标的识别精度。
• 图像分割：生成像素级显著图，辅助精细分割。