摘要
阴影检测是一项基本而具有挑战性的任务，因为它需要对全局图像语义有深刻的理解，并且阴影周围存在各种背景。本文提出了一种新颖的网络用于阴影检测，通过以方向感知的方式分析图像上下文来实现这一目标。为此，我们首先在空间递归神经网络（RNN）中引入了方向感知注意力机制，在聚合RNN中的空间上下文特征时引入了注意力权重。通过训练学习这些权重，我们可以恢复用于检测阴影的方向感知空间上下文（Direction-Aware Spatial Context, DSC）。该设计被进一步发展为DSC模块，并嵌入到卷积神经网络（CNN）中，以在不同层次上学习DSC特征。此外，还设计了一种加权交叉熵损失函数，以提高训练效果。我们使用两个常见的阴影检测基准数据集进行了多种实验来评估我们的网络。实验结果表明，我们的网络优于现有最先进方法，达到了97%的准确率，并将平衡错误率降低了38%。