用于伪装目标检测的高分辨率迭代反馈网络
计算机视觉与模式识别
2023-02-06 v2
摘要
识别在视觉上融入背景的伪装目标，对于目标检测算法和人类来说都是棘手的，因为前景目标与背景环境之间完美的内在相似性通常会使人感到困惑或受到欺骗。为了应对这一挑战，我们旨在提取高分辨率纹理细节，以避免导致边缘和边界视觉模糊的细节退化。我们引入了一种新颖的 HitNet，以迭代反馈的方式利用高分辨率特征来细化低分辨率表示，这本质上是多尺度分辨率之间基于全局循环的连接。此外，提出了迭代反馈损失，以对每个反馈连接施加更多约束。在四个具有挑战性的数据集上的大量实验表明，我们的 \ourmodel~打破了性能瓶颈，并与 29 种最先进的方法相比取得了显著的改进。为了解决伪装场景中的数据稀缺问题，我们提供了一个应用示例，采用跨域学习来提取能够反映伪装目标属性的特征，并将这些特征嵌入到显著目标中，从而从多样化的显著目标数据集中生成更多的伪装训练样本。代码将在 https://github.com/HUuxiaobin/HitNet 上提供。
引用
@article{arxiv.2203.11624,
title = {High-resolution Iterative Feedback Network for Camouflaged Object Detection},
author = {Xiaobin Hu and Shuo Wang and Xuebin Qin and Hang Dai and Wenqi Ren and Ying Tai and Chengjie Wang and Ling Shao},
journal= {arXiv preprint arXiv:2203.11624},
year = {2023}
}