用于高效伪装目标检测的深层梯度学习
计算机视觉与模式识别
2023-06-06 v2
摘要
本文介绍DGNet，一种利用目标梯度监督进行伪装目标检测(COD)的新型深度框架。它将任务解耦为两个相连分支，即上下文编码器和纹理编码器。其本质连接是梯度诱导的过渡，表示上下文与纹理特征间的软分组。得益于简单而高效的框架，DGNet大幅优于现有最先进的COD模型。值得注意的是，我们的高效版本DGNet-S以实时(80 fps)运行，仅用6.82%的参数即取得与前沿模型JCSOD-CVPR相当的结果。应用结果还显示，所提DGNet在息肉分割、缺陷检测和透明物体分割任务中表现良好。代码将发布于https://github.com/GewelsJI/DGNet。
引用
@article{arxiv.2205.12853,
title = {Deep Gradient Learning for Efficient Camouflaged Object Detection},
author = {Ge-Peng Ji and Deng-Ping Fan and Yu-Cheng Chou and Dengxin Dai and Alexander Liniger and Luc Van Gool},
journal= {arXiv preprint arXiv:2205.12853},
year = {2023}
}
备注
Accepted by Machine Intelligence Research