摘要
我们提出了一种高效的镜像检测网络——HetNet（多级异构网络）。当前的镜像检测方法更多关注性能而非效率，这限制了其在实时应用（如无人机）中的使用。这些方法的低效性源于在不同层级上采用同质化模块的常见设计，这种设计忽略了不同层级特征之间的差异。相比之下，HetNet首先通过低层次的理解（例如，强度对比）来检测潜在的镜像区域，然后结合高层次的理解（如上下文不连续性）来最终确定预测结果。为了实现准确且高效的镜像检测，HetNet遵循一种有效的架构，在不同阶段获取特定信息以检测镜像。我们进一步提出了一个多方向基于强度对比的模块（MIC）和一个反射语义逻辑模块（RSL），分别用于通过低层次理解预测潜在的镜像区域和通过高层次理解分析场景中的语义逻辑。与最先进的方法相比，HetNet运行速度快664%，并在两个镜像检测基准数据集上平均提高了8.9%的MAE、3.1%的IoU和2.0%的F-measure。