边界引导的伪装目标检测
计算机视觉与模式识别
2025-08-21 v1
摘要
伪装目标检测（COD）旨在分割巧妙融入背景中的目标，是一项有价值但极具挑战性的任务。现有的深度学习方法常难以准确识别具有完整精细物体结构的伪装目标。为此，本文提出一种新颖的边界引导网络（BGNet）用于伪装目标检测。我们的方法挖掘有价值且额外的物体相关边缘语义来引导COD的表征学习，迫使模型生成突出物体结构的特征，从而促进伪装目标在准确边界定位上的检测。在三个具挑战性的基准数据集上的大量实验表明，在四个广泛使用的评价指标下，我们的BGNet显著优于现有的18种最先进方法。我们的代码已公开于：https://github.com/thograce/BGNet。
引用
@article{arxiv.2207.00794,
title = {Boundary-Guided Camouflaged Object Detection},
author = {Yujia Sun and Shuo Wang and Chenglizhao Chen and Tian-Zhu Xiang},
journal= {arXiv preprint arXiv:2207.00794},
year = {2025}
}
备注
Accepted by IJCAI2022