用于伪装目标检测的频率感知网络
计算机视觉与模式识别
2024-12-10 v2
摘要
伪装目标检测（COD）旨在准确检测隐藏在周围环境中的物体。然而，现有的 COD 方法主要在 RGB 域中定位伪装物体，其性能在许多具有挑战性的场景中尚未被充分挖掘。考虑到伪装物体与背景的特征在频域中具有更强的判别性，我们提出了一种由频域语义层次驱动的新型可学习、可分离的频率感知机制。我们的整个网络采用两阶段模型，包括频率引导的粗定位阶段和细节保持的精定位阶段。利用主干网络提取的多级特征，我们设计了基于八度卷积的灵活频率感知模块用于粗定位。然后，我们设计校正融合模块，通过先验引导校正和跨层特征通道关联逐步整合高层特征，并最终与浅层特征结合以实现对伪装物体的细节校正。与现有模型相比，我们提出的方法在三个流行基准数据集上在定性和定量方面均取得了有竞争力的性能。
引用
@article{arxiv.2308.08924,
title = {Frequency Perception Network for Camouflaged Object Detection},
author = {Runmin Cong and Mengyao Sun and Sanyi Zhang and Xiaofei Zhou and Wei Zhang and Yao Zhao},
journal= {arXiv preprint arXiv:2308.08924},
year = {2024}
}
备注
Accepted by ACM MM 2023