用于伪装目标分割的Anabranch网络

伪装目标试图将其纹理隐藏于背景之中，即便对人类而言也难以将其与背景区分。本文的主要目标是探索伪装目标分割问题，即给定图像分割出伪装目标。尽管在野生动物保护与新物种发现、监控系统、地震洪水或飓风等自然灾害中的搜救任务等广泛潜在应用中具有重要意义，该问题尚未得到充分研究。本文解决了一个新颖且具挑战性的伪装目标分割问题。为此，我们提供了一个新的伪装目标图像数据集用于基准测试。此外，我们提出了一种通用的端到端网络，称为Anabranch网络，其同时利用分类与分割任务。与现有分割网络不同，我们提出的网络拥有用于分类的第二分支，以预测图像中包含伪装目标的概率，随后将其融合入用于分割的主分支以提升分割精度。在新构建数据集上进行的广泛实验证明了我们的网络在使用多种全卷积网络时的有效性。\url{https://sites.google.com/view/ltnghia/research/camo}