复现：SonarNet: Hybrid CNN-Transformer-HOG Framework and Multifeature Fusion Mechanism for Forward-Look

J. He, J. Chen, H. Xu and Y. Yu, “SonarNet: Hybrid CNN-Transformer-HOG Framework and Multifeature Fusion Mechanism for Forward-Looking Sonar Image Segmentation,” in IEEE Transactions on Geoscience and Remote Sensing, vol. 62, pp. 1-17, 2024, Art no. 4203217, doi: 10.1109/TGRS.2024.3368659.

推文内容：

重大突破！西北工业大学团队提出了一种创新的声呐图像分割框架——SonarNet。该方法结合了CNN、Transformer和HOG特征提取的优势，通过多特征融合机制实现了对复杂声呐图像的高精度分割。实验表明，SonarNet在分割精度上显著优于现有方法，为声呐图像分割领域树立了新标杆！

亮点：

1. 全局-局部特征提取：通过CNN提取局部细节，通过Transformer捕捉全局语义信息，解决声呐图像中目标对比度低、背景复杂的问题。
2. HOG特征增强：引入传统手工特征HOG，增强边缘信息提取能力，提高分割鲁棒性。