用于伪装目标检测的边感知镜像网络
计算机视觉与模式识别
2023-07-11 v1
摘要
现有的边感知伪装目标检测（COD）方法通常在早期阶段输出边缘预测。然而，边缘在后续的分割任务中是重要且基础的因素。由于伪装目标与周围环境的高视觉相似性，早期阶段预测的边缘先验常引入错误的前景-背景并污染分割特征。为应对该问题，我们提出一种新颖的边感知镜像网络（EAMNet），将边缘检测与伪装目标分割建模为交叉精炼过程。更具体地，EAMNet 具有双分支架构，其中设计了分割诱导边缘聚合模块与边缘诱导完整性聚合模块，以交叉引导分割分支与边缘检测分支。最终利用残差连接与门控卷积的引导残差通道注意力模块更好地从低级特征中提取结构细节。定量与定性实验结果表明，EAMNet 在三个广泛使用的 COD 数据集上优于现有的前沿基线。代码见 https://github.com/sdy1999/EAMNet。
引用
@article{arxiv.2307.03932,
title = {Edge-Aware Mirror Network for Camouflaged Object Detection},
author = {Dongyue Sun and Shiyao Jiang and Lin Qi},
journal= {arXiv preprint arXiv:2307.03932},
year = {2023}
}
备注
ICME2023 paper