基于特征嫁接与干扰物感知的伪装目标检测
计算机视觉与模式识别
2023-07-11 v1
摘要
伪装目标检测（COD）任务旨在精确分割融入环境的伪装目标，由于目标与背景的纹理在视觉上难以区分，该任务比普通检测更具挑战性。本文提出一种新颖的特征嫁接与干扰物感知网络（FDNet）来处理 COD 任务。具体而言，我们使用 CNN 和 Transformer 并行编码多尺度图像。为了更好地发挥两种编码器的优势，我们设计了一个基于交叉注意力的特征嫁接模块，将 Transformer 分支提取的特征嫁接到 CNN 分支中，随后这些特征在特征融合模块中聚合。我们设计了一个干扰物感知模块，显式建模 COD 任务中两种可能的干扰物，以细化粗粒度伪装图。我们还提出了最大规模的人工伪装目标数据集，包含 2000 张带标注图像，命名为 ACOD2K。我们在四个广泛使用的基准数据集和 ACOD2K 数据集上进行了大量实验。结果表明，我们的方法显著优于其他 SOTA 方法。代码和 ACOD2K 将在 https://github.com/syxvision/FDNet 提供。
引用
@article{arxiv.2307.03943,
title = {Camouflaged Object Detection with Feature Grafting and Distractor Aware},
author = {Yuxuan Song and Xinyue Li and Lin Qi},
journal= {arXiv preprint arXiv:2307.03943},
year = {2023}
}
备注
ICME2023 paper