利用伪边缘标签的不确定性改进伪装目标检测
计算机视觉与模式识别
2021-11-01 v1
摘要
本文关注伪装目标检测(COD)，即检测隐藏在背景中的物体的任务。当前大多数COD模型旨在直接突出目标物体，同时输出模糊的伪装边界。另一方面，考虑边缘信息的模型性能尚不令人满意。为此，我们提出了一种新框架，充分利用多种视觉线索（即显著性和边缘）来精炼预测的伪装图。该框架由三个关键组件组成：伪边缘生成器、伪图生成器和不确定性感知精炼模块。特别地，伪边缘生成器估计边界并输出伪边缘标签，常规COD方法作为伪图生成器输出伪图标签。然后，我们提出一个基于不确定性的模块来降低这两种伪标签的不确定性和噪声，其以两个伪标签为输入并输出边缘精确的伪装图。在各种COD数据集上的实验证明了我们方法的有效性，其性能优于现有的最先进方法。
引用
@article{arxiv.2110.15606,
title = {Improving Camouflaged Object Detection with the Uncertainty of Pseudo-edge Labels},
author = {Nobukatsu Kajiura and Hong Liu and Shin'ichi Satoh},
journal= {arXiv preprint arXiv:2110.15606},
year = {2021}
}
备注
Accepted to ACM Multimedia Asia 2021