APGNet：用于 underwater camouflaged object 检测的自适应先验引导网络
计算机视觉与模式识别
2025-10-15 v1
摘要
检测水下环境中的伪装对象对于海洋生态研究和资源勘探至关重要。然而，现有方法面临两个关键挑战：水下图像退化，包括低对比度和颜色失真；以及海洋生物的天然伪装。传统的图像增强技术难以恢复退化图像中的关键特征，而为陆地场景开发的伪装目标检测 (COD) 方法往往难以适应水下环境，因为缺乏对水下光学特性的考虑。为此，我们提出了 APGNet，即一种自适应先验引导网络 (Adaptive Prior-Guided Network)，其集成了双路径网络结构与新颖的先验引导机制，以提升鲁棒性和检测精度。首先，我们采用多尺度 Retinex 色彩恢复 (MSRCR) 算法进行数据增强，生成光照不变图像以减轻退化效应。其次，我们设计了扩展感受野 (ERF) 模块结合多尺度渐进解码器 (MPD)，以捕获多尺度上下文信息并细化特征表示。进一步，我们提出一种自适应先验引导机制，通过在高层特征中嵌入空间注意力实现分层融合位置和边界先验，以进行粗定位；并利用可变形卷积在低层特征中细化轮廓。广泛的在两个公开 MAS 数据集上的实验结果表明，我们提出的方法 APGNet 在常用评估指标下优于 15 种最先进的方法。
引用
@article{arxiv.2510.12056,
title = {APGNet: Adaptive Prior-Guided for Underwater Camouflaged Object Detection},
author = {Xinxin Huang and Han Sun and Junmin Cai and Ningzhong Liu and Huiyu Zhou},
journal= {arXiv preprint arXiv:2510.12056},
year = {2025}
}
备注
6 pages. accepted by ACM MM Asia 2025