用于伪装目标检测的深层纹理感知特征
计算机视觉与模式识别
2021-02-08 v1
摘要
伪装目标检测是一项具有挑战性的任务,旨在识别与周围环境具有相似纹理的物体。本文通过构建多个纹理感知细化模块,在深度卷积神经网络中学习纹理感知特征,从而放大伪装物体与背景之间细微的纹理差异以实现伪装目标检测。该纹理感知细化模块计算特征响应的协方差矩阵以提取纹理信息,设计亲和损失(affinity loss)来学习一组有助于分离伪装物体与背景纹理的参数图,并采用边界一致性损失(boundary-consistency loss)来探索物体细节结构。我们在伪装目标检测的基准数据集上从定性和定量两方面评估了我们的网络。实验结果表明,我们的方法大幅优于多种最先进(state-of-the-art)方法。
引用
@article{arxiv.2102.02996,
title = {Deep Texture-Aware Features for Camouflaged Object Detection},
author = {Jingjing Ren and Xiaowei Hu and Lei Zhu and Xuemiao Xu and Yangyang Xu and Weiming Wang and Zijun Deng and Pheng-Ann Heng},
journal= {arXiv preprint arXiv:2102.02996},
year = {2021}
}