ZoomNet：一种用于伪装目标检测的混合尺度三元组网络
计算机视觉与模式识别
2023-11-01 v1
摘要
近期提出的伪装目标检测（COD）试图分割在视觉上融入背景的目标，这在真实场景中极为复杂和困难。除了伪装目标与背景间高度的内在相似性外，目标通常尺度多样、外观模糊甚至被严重遮挡。为应对这些问题，我们提出了一种混合尺度三元组网络，即ZoomNet，其模拟人类观察模糊图像时的行为——放大与缩小。具体而言，我们的ZoomNet采用缩放策略，通过设计的尺度集成单元和分层混合尺度单元学习有判别力的混合尺度语义，充分挖掘候选目标与背景环境间难以察觉的线索。此外，考虑到由难分辨纹理带来的不确定性与模糊性，我们构建了一个简单而有效的正则化约束，即不确定性感知损失，以促进模型在候选区域以更高置信度准确产生预测。无需额外技巧，我们提出的高任务友好型模型在四个公开数据集上持续超越现有23种最先进方法。此外，在SOD任务上优于近期前沿模型的表现也验证了我们的模型的有效性与通用性。代码将发布于 \url{https://github.com/lartpang/ZoomNet}。
引用
@article{arxiv.2203.02688,
title = {Zoom In and Out: A Mixed-scale Triplet Network for Camouflaged Object Detection},
author = {Youwei Pang and Xiaoqi Zhao and Tian-Zhu Xiang and Lihe Zhang and Huchuan Lu},
journal= {arXiv preprint arXiv:2203.02688},
year = {2023}
}
备注
Accepted by CVPR2022. This is the arxiv version that contains the appendix section