MirrorNet：受生物启发的伪装目标分割网络
计算机视觉与模式识别
2021-03-12 v3
摘要
伪装目标在其自然环境中通常难以被检测，即使对人类而言也是如此。本文提出了一种新颖的受生物启发的网络，名为 MirrorNet，它同时利用实例分割和镜像流进行伪装目标分割。与现有的分割网络不同，我们提出的网络拥有两个分割流：主流和镜像流，分别对应于原始图像及其翻转图像。镜像流的输出随后被融合到主流的结果中，以生成最终的伪装图，从而提升分割精度。在公开的 CAMO 数据集上进行的大量实验证明了我们提出的网络的有效性。我们提出的方法达到了 89% 的准确率，优于当前最先进的技术。项目页面：https://sites.google.com/view/ltnghia/research/camo
引用
@article{arxiv.2007.12881,
title = {MirrorNet: Bio-Inspired Camouflaged Object Segmentation},
author = {Jinnan Yan and Trung-Nghia Le and Khanh-Duy Nguyen and Minh-Triet Tran and Thanh-Toan Do and Tam V. Nguyen},
journal= {arXiv preprint arXiv:2007.12881},
year = {2021}
}
备注
Accepted to IEEE Access