面向精确伪装目标检测的混合卷积与交互式融合方法
计算机视觉与模式识别
2024-07-22 v3
摘要
伪装目标检测（COD）旨在识别隐藏于周围环境中的目标，近年来在计算机视觉领域引起了越来越多的研究关注。实际上，基于深度学习的 COD 的成功主要由两个关键因素决定，包括（i）显著大的感受野，其提供丰富的上下文信息，以及（ii）有效的融合策略，其聚合丰富的多级特征以实现精确的 COD。受这些观察的启发，本文我们提出了一种新颖的基于深度学习的 COD 方法，将大感受野与有效特征融合整合到一个统一框架中。具体而言，我们首先从骨干网络提取多级特征。所得特征随后被送入所提出的双分支混合卷积模块，每个模块利用多个非对称卷积层与两个膨胀卷积层从大感受野中提取丰富的上下文特征。最后，我们使用专门设计的多级交互式融合模块融合特征，每个模块采用注意力机制与特征交互以实现有效特征融合。我们的方法以有效融合策略检测伪装目标，聚合来自大感受野的丰富上下文信息。所有这些设计很好地满足了 COD 的需求，从而实现伪装目标的精确检测。在广泛使用基准数据集上的大量实验表明，我们的方法能够精确检测伪装目标，并优于最先进的方法。
引用
@article{arxiv.2101.05687,
title = {Towards Accurate Camouflaged Object Detection with Mixture Convolution and Interactive Fusion},
author = {Geng Chen and Xinrui Chen and Bo Dong and Mingchen Zhuge and Yongxiong Wang and Hongbo Bi and Jian Chen and Peng Wang and Yanning Zhang},
journal= {arXiv preprint arXiv:2101.05687},
year = {2024}
}