PlantCamo: 植物伪装检测
计算机视觉与模式识别
2024-10-24 v1
摘要
伪装目标检测(COD)旨在检测具有伪装特性的目标。尽管先前的研究集中于自然(动物和昆虫)和非自然(艺术和合成)伪装检测，但植物伪装一直被忽视。然而，植物伪装在自然伪装中起着至关重要的作用。因此，本文引入了一个新的具有挑战性的问题：植物伪装检测(PCD)。为了解决这个问题，我们引入了PlantCamo数据集，该数据集包含1,250张图像，其中伪装植物代表了58个目标类别，分布于各种自然场景中。为了研究植物伪装检测的现状，我们在所提出的数据集上使用20多个前沿COD模型进行了大规模基准研究。由于植物伪装的独特特性，包括空洞和不规则边界，我们开发了一个名为PCNet的新框架，专门用于PCD。我们的PCNet凭借其多尺度全局特征增强和细化，性能超越了现有方法。最后，我们讨论了潜在的应用和见解，希望这项工作能够填补细粒度COD研究的空白，并促进进一步的智能生态研究。所有资源将在https://github.com/yjybuaa/PlantCamo上提供。
引用
@article{arxiv.2410.17598,
title = {PlantCamo: Plant Camouflage Detection},
author = {Jinyu Yang and Qingwei Wang and Feng Zheng and Peng Chen and Aleš Leonardis and Deng-Ping Fan},
journal= {arXiv preprint arXiv:2410.17598},
year = {2024}
}