利用双任务交互 Transformer 提升伪装目标检测性能
计算机视觉与模式识别
2022-05-24 v1
摘要
伪装目标检测旨在发现隐藏于周围环境中的隐蔽物体。现有方法遵循仿生框架，先定位物体再细化边界。我们认为伪装物体的发现依赖于对物体与边界的反复搜索。这种循环处理使人疲惫且无助，但这恰恰是具备全局搜索能力的 transformer 的优势所在。因此，我们提出一种双任务交互 transformer，用于同时检测伪装物体的精确位置及其详细边界。边界特征作为 Query 以提升伪装目标检测，同时物体特征作为 Query 以提升边界检测。伪装目标检测与边界检测通过多头自注意力实现充分交互。此外，为获取初始物体特征与边界特征，采用基于 transformer 的主干网络提取前景与背景。前景即为物体，而前景减去背景被视为边界。此处，边界特征可从前景与背景的模糊边界区域获得。在物体、背景及边界真值的监督下，所提模型在公开数据集上取得了最先进的性能。https://github.com/liuzywen/COD
引用
@article{arxiv.2205.10579,
title = {Boosting Camouflaged Object Detection with Dual-Task Interactive Transformer},
author = {Zhengyi Liu and Zhili Zhang and Wei Wu},
journal= {arXiv preprint arXiv:2205.10579},
year = {2022}
}
备注
Accepted by ICPR2022