摘要

阴影检测是一项基础且具有挑战性的任务，因为它需要对图像的全局语义有深入理解，同时阴影周围存在多种多样的背景。本文提出了一种新型网络，通过方向感知的方式分析图像上下文来实现阴影检测。为此，我们首先在空间递归神经网络（RNN）中引入注意力权重，以聚合空间上下文特征，从而构建方向感知注意力机制。通过训练学习这些权重，我们能够恢复出具有方向感知能力的空间上下文（Direction-aware Spatial Context, DSC），用于阴影检测。该设计被进一步发展为DSC模块，并嵌入卷积神经网络（CNN）中，以在不同层级上学习DSC特征。此外，我们设计了一种加权交叉熵损失函数，以提升训练效率。我们在两个常用的阴影检测基准数据集上进行了大量实验，以评估所提网络的性能。实验结果表明，该网络优于当前最先进的方法，在准确率上达到97%，平衡误差率降低38%。