基于可变形点采样的边界感知伪装目标检测
计算机视觉与模式识别
2023-03-14 v2
摘要
伪装目标检测（COD）任务旨在识别和分割因颜色或纹理相似而融入背景的目标。尽管该任务存在固有困难，COD已在医学、救生和反军事等领域获得相当关注。本文提出一种称为可变形点采样网络（DPS-Net）的新颖方案，以应对COD相关挑战。所提DPS-Net采用可变形点采样Transformer（DPS transformer），可通过可变形点采样方法有效捕获COD中显著目标边界的稀疏局部边界信息。此外，DPS transformer通过整合目标的粗略全局位置信息与边界局部信息来提取上下文特征以定位目标对象，展现出鲁棒的COD性能。我们在三个知名数据集上评估了该方法并取得了最先进的性能。对比实验结果表明了所提方法的有效性。
引用
@article{arxiv.2211.12048,
title = {Boundary-aware Camouflaged Object Detection via Deformable Point Sampling},
author = {Minhyeok Lee and Suhwan Cho and Chaewon Park and Dogyoon Lee and Jungho Lee and Sangyoun Lee},
journal= {arXiv preprint arXiv:2211.12048},
year = {2023}
}