一种用于伪装目标检测的仿生三阶段模型
计算机视觉与模式识别
2023-06-07 v2
摘要
伪装目标通常融入背景并呈现模糊边界。复杂的环境条件以及伪装目标与周围环境的高内在相似性,给准确完整地定位与分割这些目标带来了重大挑战。尽管现有方法已在多种真实场景中展现出卓越性能,但在面对小目标、细长结构以及不清晰边界等困难情形时仍存在局限。受人类观察含伪装目标图像时视觉感知的启发,我们提出一种三阶段模型,可在单次迭代中实现由粗到细的分割。具体而言,我们的模型采用三个解码器依次处理下采样特征、裁剪特征与高分辨率原始特征。该方案不仅降低了计算开销,还减轻了背景噪声带来的干扰。此外,考虑到多尺度信息的重要性,我们设计了多尺度特征增强模块,在扩大感受野的同时保留细节结构线索。我们还开发了边界增强模块,通过利用边界信息提升性能。随后,提出掩码引导融合模块,通过将粗预测图与高分辨率特征图整合来生成细粒度结果。我们的网络在无需多余复杂性的情况下超越了基于 CNN 的当前最优方法。论文录用后,源代码将公开于 https://github.com/clelouch/BTSNet。
引用
@article{arxiv.2305.12635,
title = {A bioinspired three-stage model for camouflaged object detection},
author = {Tianyou Chen and Jin Xiao and Xiaoguang Hu and Guofeng Zhang and Shaojie Wang},
journal= {arXiv preprint arXiv:2305.12635},
year = {2023}
}