科研之友
微信
新浪微博
Facebook
分享链接
摘要
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。
- 单位
