最后一张了

• 
• 最后一张

 近日，我院视觉感知与智能计算团队最新科研成果“Probabilistic Uncertainty Guided Salient Object Detection in Remote Sensing Images”被遥感期刊《Photogrammetric Engineering & Remote Sensing》（PERS）录用。该期刊为中科院SCI四区期刊，2025年影响因子1.96。团队杨威老师为论文第一作者，王颖老师为通讯作者。

 针对现有深度学习检测方法在光照变化、阴影干扰等场景下，易在物体与背景相似区域产生不确定性的问题，团队提出一种基于概率不确定性评估的遥感显著物体检测方法——不确定性引导网络（UGNet）。该网络通过四大创新模块实现性能跃升：一是设计具有深度监督的多尺度编码器-解码器框架，以高层次语义特征为先验指导，强化对混淆特征的区分能力，精准计算混淆特征的不确定性；二是构建不确定性估计映射模块，采用高斯分布对不确定像素进行加权处理，显著提升混淆区域的语义区分度；三是引入多尺度焦点融合模块，高效整合全局与局部信息，降低多尺度混淆特征的不确定性；四是通过多尺度深度监督，进一步提升显著物体检测的准确率。结果显示，UGNet在各项评价指标上均优于18种当前主流的显著物体检测方法，检测性能得到显著提升。

 该研究成果不仅为遥感显著物体检测领域提供了一种新的有效解决方案，也为相关应用领域的精准决策奠定了坚实的技术基础。

 通讯员：王颖