边缘-分割交叉引导的伪装目标检测网络

1

作者 陈鹏 李旭 +1 位作者 向道岸 余肖生 《计算机科学与探索》 北大核心 2025年第4期1001-1010,共10页

基于边缘感知的模型是伪装目标检测的主流方法之一,其核心是在早期阶段输出边缘预测,能更好地定位和分割伪装目标。而在伪装目标数据集中,由于伪装目标与背景环境有很高的视觉相似性,对早期的边缘预测质量要求很高,错误的前景预测会导... 基于边缘感知的模型是伪装目标检测的主流方法之一,其核心是在早期阶段输出边缘预测,能更好地定位和分割伪装目标。而在伪装目标数据集中,由于伪装目标与背景环境有很高的视觉相似性,对早期的边缘预测质量要求很高,错误的前景预测会导致分割不完整,甚至缺失目标,进而造成伪装目标分割效果不佳。为了解决这一问题,提出了一种边缘-分割交叉引导网络ECGNet。利用ConvNeXt模型作为骨干网络,通过1×1卷积对特征通道进行统一处理,在多尺度上提取全局上下文信息。设计了一个分割诱导边缘融合模块和一个边缘感知引导完整性聚合模块交叉融合,关注伪装目标的整体结构,不断细化分割特征和边缘特征。通过引导残差通道注意模块利用这些连接和卷积更好地提取低层特征中的结构细节。在CAMO、COD10K以及NC4K数据集上的实验结果表明,ECGNet性能优于其他22个具有代表性的模型,比HitNet在S_(α)、E_(ϕ)、F^(ω)_(β)和M方面的性能平均提升了0.019、0.019、0.018和0.009。 展开更多

关键词 伪装目标检测 上下文信息 交叉细化 边缘感知

在线阅读 下载PDF 职称材料

融合多尺度交叉注意力和边缘感知的伪装目标检测

2

作者 郝子强 张庆宝 +2 位作者 赵世豪 王焯豪 詹伟达 《计算机工程与应用》 北大核心 2025年第10期228-237,共10页

针对当前伪装目标检测算法无法准确、完整地检测出目标对象和其边缘的问题,提出了一种融合多尺度交叉注意力和边缘感知的伪装目标检测网络(multi-scale cross attention and edge perception network,MAEP-Net)。利用Res2Net-50提取图... 针对当前伪装目标检测算法无法准确、完整地检测出目标对象和其边缘的问题,提出了一种融合多尺度交叉注意力和边缘感知的伪装目标检测网络(multi-scale cross attention and edge perception network,MAEP-Net)。利用Res2Net-50提取图像的原始特征,并采用融合了多尺度交叉注意力的特征金字塔结构从通道、空间两个维度挖掘目标位置信息和凸显伪装目标区域特征;使用定位模块对目标的大致位置进行准确定位;边缘感知模块抑制低级特征中背景的噪声,融合边缘特征以获取更多的边缘细节信息;细化模块通过注意力机制分别从前景和背景两个方向关注目标线索,利用边缘先验、语义先验、领域先验、区域先验知识进一步细化目标结构和边缘轮廓。在3个公开数据集上的实验表明,所提算法相较于12种主流算法在4个客观评价指标上均取得了最优表现,尤其是在COD10K数据集上所提算法的加权平均值F-measure和平均绝对误差(mean absolute error,MAE)分别达到0.797和0.031。由此可见,所提算法在COD任务上具有较好的检测效果。 展开更多

关键词 多尺度交叉注意力 边缘感知 伪装目标检测 特征金字塔结构

在线阅读 下载PDF 职称材料

用于伪装目标检测的边缘-纹理引导增强网络

3

作者 魏明军 陈晓茹 +2 位作者 刘铭 刘亚志 李辉 《郑州大学学报(工学版)》 北大核心 2025年第5期9-17,共9页

伪装目标检测(COD)因目标物体与背景极为相似而具有很大的挑战性。针对目前COD方法未能充分利用边缘和纹理信息辅助检测任务而造成的边缘预测模糊、检测结果不完整且存在干扰等问题,提出了一种边缘-纹理引导增强网络(ETGENet),通过显式... 伪装目标检测(COD)因目标物体与背景极为相似而具有很大的挑战性。针对目前COD方法未能充分利用边缘和纹理信息辅助检测任务而造成的边缘预测模糊、检测结果不完整且存在干扰等问题,提出了一种边缘-纹理引导增强网络(ETGENet),通过显式且充分的边缘和纹理引导策略来进一步提升COD的性能。首先,ETGENet中包含了一个关键的特征引导增强模块(FGEM),该模块能够利用并行的特征细化分支处理并增强对象特征,引导分支通过引导注意力来获取对象特征与边缘-纹理线索之间的相关性,以加强网络对于对象细节信息的理解并抑制噪声干扰;而自增强分支则利用自注意力机制从全局角度对伪装对象特征进行细化。其次,提出了一个特征交互融合模块(FIFM)来渐进融合相邻特征,FIFM利用注意力交互机制和加权融合策略学习特征间的互补信息,以生成更完整的预测图。最后,在3个公共数据集CAMO、COD10K和NC4K上进行实验验证,结果表明:所提出的网络在S-measure、自适应E-measure、加权F-measure和MAE结构度量S、自适应增强匹配度量E、加权F度量和平均绝对误差M指标上均优于相关领域的其他方法,尤其在最大的测试集NC4K上,加权F度量指标高于所对比12个COD方法中表现最佳的FSPNet 2.2百分点。 展开更多

关键词 伪装目标检测 边缘信息 纹理信息 特征引导 特征交互

在线阅读 下载PDF 职称材料

基于深度学习的伪装目标检测研究进展

4

作者 张冬冬 王春平 +1 位作者 付强 王慧赢 《火力与指挥控制》 北大核心 2025年第2期1-12,20,共13页

伪装目标检测是一个新兴的研究方向,在计算机视觉领域引发了广泛关注。现有大多数工作以构建高效的检测模型为目的,缺少对已有模型的深入分析及归纳总结。因此,对现有基于深度学习的伪装目标检测模型进行全面分析和总结,并探讨伪装目标... 伪装目标检测是一个新兴的研究方向,在计算机视觉领域引发了广泛关注。现有大多数工作以构建高效的检测模型为目的,缺少对已有模型的深入分析及归纳总结。因此,对现有基于深度学习的伪装目标检测模型进行全面分析和总结,并探讨伪装目标检测潜在的研究方向。对基于深度学习的已存模型进行全面综述,并详细阐述相关模型的原理和优劣势;介绍伪装目标检测领域常用数据集及评价指标;对现有基于深度学习的伪装目标检测模型进行复现,并对不同类型模型在公开数据集上的检测结果进行定性和定量比较;对伪装目标检测领域的未来研究方向进行展望。 展开更多

关键词 伪装目标检测 深度学习 数据集 评价指标

在线阅读 下载PDF 职称材料

伪装目标检测:发展与挑战

5

作者 陈宇 权冀川 《计算机工程与应用》 北大核心 2025年第7期42-60,共19页

伪装目标检测(camouflaged objectdetection,COD)是计算机视觉领域的一项挑战性任务,致力于识别那些与周围环境高度融合、伪装或隐蔽的目标,主要分为基于手工特征和基于深度学习2种范式。研究人员从单一特征和多特征融合2个角度分析了2... 伪装目标检测(camouflaged objectdetection,COD)是计算机视觉领域的一项挑战性任务,致力于识别那些与周围环境高度融合、伪装或隐蔽的目标,主要分为基于手工特征和基于深度学习2种范式。研究人员从单一特征和多特征融合2个角度分析了26种基于手工特征的方法;按发表年份和任务类型梳理了131个在2019年至2024年第二季度期间提出的深度COD模型来揭示其发展现状;基于3种模型调用模式和3类工作方式,分别详细分析了各类深度COD方法的优势与不足;总结了COD的常用数据集、数据增强技术和评价指标,并基于实验对27种前沿的图像级深度COD模型进行了性能评估。基于上述研究探讨了伪装目标检测面临的挑战和未来的发展方向。 展开更多

关键词 伪装目标检测 手工特征 深度学习 数据增强

在线阅读 下载PDF 职称材料

基于交互图推理网络的弱监督伪装目标检测

6

作者 张冬冬 王春平 +2 位作者 付强 宋瑶 刘新海 《北京理工大学学报》 北大核心 2025年第7期718-730,共13页

伪装目标检测(camouflaged object detection,COD)是计算机视觉领域一项具有挑战性的基础研究.由于像素级注释的成本较高,研究者们通常采用涂鸦注释作为弱监督信号.然而,涂鸦标注存在信息过于稀疏且缺乏边缘信息等固有局限,这严重制约... 伪装目标检测(camouflaged object detection,COD)是计算机视觉领域一项具有挑战性的基础研究.由于像素级注释的成本较高,研究者们通常采用涂鸦注释作为弱监督信号.然而,涂鸦标注存在信息过于稀疏且缺乏边缘信息等固有局限,这严重制约了模型的预测可靠性.针对这些问题,本文提出一种新颖的交互图推理网络(interactive graphical reasoning network,IGRNet),该网络通过图表示来推断伪装区域及其边缘之间的内在关系.具体而言,引入了图推理网络建模像素间的长距离依赖关系,设计了高效的图交互单元(graph interaction unit,GIU)增强异构特征的表征能力.同时,为提升模型的场景理解能力并充分利用不同特征间的互补性,构建了上下文增强模块(context enhancement module,CEM)实现多特征融合与上下文信息挖掘.此外,提出了自监督伪装检测损失(self-supervised camouflage detection loss,Lscd)来引导网络学习结构信息,进一步增强前景−背景的区分能力.在3个标准基准数据集上的大量实验表明,本文方法不仅显著优于现有弱监督算法,在某些评估指标上甚至超越了全监督方法的性能. 展开更多

关键词 伪装目标检测 弱监督 涂鸦注释 图推理网络 上下文信息

在线阅读 下载PDF 职称材料

基于人眼视觉机制的伪装目标检测网络

7

作者 张冬冬 王春平 付强 《北京航空航天大学学报》 北大核心 2025年第7期2553-2561,共9页

伪装目标检测是一项新兴的视觉检测任务,旨在识别出完美隐藏在周围环境中的伪装目标,在多个领域中具有广泛应用。针对当前伪装目标检测算法无法准确、完整地识别目标结构和边界的问题,基于人类在观察伪装图像时的视觉感知过程,设计了一... 伪装目标检测是一项新兴的视觉检测任务,旨在识别出完美隐藏在周围环境中的伪装目标,在多个领域中具有广泛应用。针对当前伪装目标检测算法无法准确、完整地识别目标结构和边界的问题,基于人类在观察伪装图像时的视觉感知过程,设计了一种生物启发式框架,并命名为定位和细化网络(PRNet)。利用Res2Net提取图像的原始特征,从多层级信息中挖掘目标的边缘线索;特别设计特征增强模块,在丰富全局上下文信息的同时能够扩大感受野;定位模块利用双注意力机制从通道和空间2个维度来定位目标的大致位置;细化模块同时关注前景和背景中的目标线索,利用多类型信息进一步细化目标的结构和边缘。在3个广泛使用的伪装目标检测基准数据集上的大量实验结果表明,所提网络的整体性能明显优于14种比较算法,在多种复杂场景中表现优异。 展开更多

关键词 伪装目标检测 卷积神经网络 视觉感知 特征增强 注意力机制

在线阅读 下载PDF 职称材料

基于Convnextv2与纹理边缘引导的伪装目标检测

8

作者 付家瑞 李兆飞 +1 位作者 周豪 黄惟 《浙江大学学报(工学版)》 北大核心 2025年第8期1718-1726,共9页

为了解决伪装目标检测中目标的边缘特征及对应场景下独特纹理特征信息表达处理不足的问题,提出基于Convnextv2与纹理边缘引导的伪装目标检测算法.通过纹理编码模块在输入图片上提取纹理特征,与主干网络提取的边缘特征进行融合,生成图片... 为了解决伪装目标检测中目标的边缘特征及对应场景下独特纹理特征信息表达处理不足的问题,提出基于Convnextv2与纹理边缘引导的伪装目标检测算法.通过纹理编码模块在输入图片上提取纹理特征,与主干网络提取的边缘特征进行融合,生成图片的纹理-边缘特征.通过设计的纹理边缘引导的注意力模块,将纹理-边缘特征融入主干特征以定位目标的真实位置.利用特征融合模块进行多层次特征融合,采用多级监督的方式,设计总的损失函数.在3个公开数据集CAMO、COD10K、NC4K和迷彩伪装混合数据集MICAI_TE上的实验表明,该算法的综合性能最优. 展开更多

关键词 伪装目标检测 纹理边缘引导特征融合 Convnextv2 特征提取 纹理边缘注意力机制

在线阅读 下载PDF 职称材料

局部-全局特征相互补偿的伪装目标检测方法

9

作者 何文昊 葛海波 《计算机科学与探索》 北大核心 2025年第2期454-464,共11页

在伪装目标检测(COD)领域中,最新提出的方法主要利用伪装目标的局部特征完成COD任务,输出的预测图存在目标轮廓粗糙和对象不完整的问题。针对上述问题,提出了基于局部-全局特征相互补偿的伪装目标检测方法,利用局部特征与全局特征相互... 在伪装目标检测(COD)领域中,最新提出的方法主要利用伪装目标的局部特征完成COD任务,输出的预测图存在目标轮廓粗糙和对象不完整的问题。针对上述问题,提出了基于局部-全局特征相互补偿的伪装目标检测方法,利用局部特征与全局特征相互补偿进行伪装目标的检测。设计一个非局部特征增强模块(N-LFEM),使用非局部机制来交互相邻局部区域,增强局部特征表达。构建一个局部-全局特征交互模块(L-GFIM),平均局部特征得到全局特征,执行局部特征与全局特征的相互补偿。设计一个局部-全局特征交叉协方差模块(L-GFCCM),通过语义对齐和交叉协方差获取空间指标定位伪装目标所在区域,选取相似性最高的特征图输出。在3个公开数据集上的实验表明,该算法优于其他8个最新模型。在COD10K数据集上,平均绝对误差(MAE)达到了0.028。 展开更多

关键词 伪装目标检测 局部-全局特征相互补偿 局部-全局特征交叉协方差

在线阅读 下载PDF 职称材料

基于特征波段偏振成像的差异增强伪装目标检测 被引量：1

10

作者 沈英 黄伟达 +2 位作者 周则兵 黄峰 王舒 《兵工学报》 EI CAS CSCD 北大核心 2024年第10期3488-3498,共11页

光谱偏振探测技术利用目标多维度信息,提高伪装目标检测的精度和可靠性。现有的光谱偏振成像系统产生的高维度数据难以实时解算,复杂场景下光谱偏振探测的性能不佳。为此,提出一种基于特征波段偏振成像系统的伪装目标检测算法。针对目... 光谱偏振探测技术利用目标多维度信息,提高伪装目标检测的精度和可靠性。现有的光谱偏振成像系统产生的高维度数据难以实时解算,复杂场景下光谱偏振探测的性能不佳。为此,提出一种基于特征波段偏振成像系统的伪装目标检测算法。针对目标场景筛选特征波段,定制751 nm窄带滤光片结合快照式偏振阵列相机,构建特征波段偏振图像采集系统,实时获取目标图像。提出差异增强和交织序列融合检测算法,设计偏振参数图像,增强特征波段偏振图像的目标对比度;融合差异增强和交织序列映射结果,对目标图像背景噪声进行抑制,进一步突出目标特征;通过阈值分割提取伪装目标。实验结果表明:所提的伪装目标检测算法在不同场景下的综合评价指标F均在0.90以上,检测速度达到20帧/s,实现了复杂场景下伪装目标的快速精准探测。 展开更多

关键词 伪装目标检测 光谱偏振图像 成像系统 特征波段 差异增强

在线阅读 下载PDF 职称材料

基于特征聚合与边缘检测的伪装目标检测 被引量：1

11

作者 丁铖 白雪琼 +3 位作者 吕勇 刘洋 牛春晖 刘鑫 《光子学报》 EI CAS CSCD 北大核心 2024年第8期260-271,共12页

针对伪装目标边缘模糊、相关检测模型上下文特征利用率低、边缘特征融合繁琐的问题,提出一种基于特征融合与边缘检测的伪装目标检测模型F2-EDNet。首先构造特征增强模块,细化主干网络的多尺度上下文特征,有效增强伪装目标特征信息;同时... 针对伪装目标边缘模糊、相关检测模型上下文特征利用率低、边缘特征融合繁琐的问题,提出一种基于特征融合与边缘检测的伪装目标检测模型F2-EDNet。首先构造特征增强模块,细化主干网络的多尺度上下文特征,有效增强伪装目标特征信息;同时,引入跨层特征引导的边缘预测支路以集成来自主干网络底层和顶层的跨层特征,在辅助检测伪装目标边缘的同时,提取边缘特征;最后,提出多尺度特征聚合模块,通过结合注意力机制,充分融合边缘特征与上下文特征,有效提高预测精度。实验结果表明,F2-EDNet在公开数据集CAMO、COD10K和NC4K上的结构相似性、平均精度与召回率、相关性、平均误差指标均值分别提高了1.41%、1.74%、0.14%、0.77%;和同类模型相比,该模型具有更丰富的边缘,定位伪装区域更准确;在实际应用中,模型检测速率可达46帧/s,证明模型具有较好的实时检测能力。 展开更多

关键词 伪装目标检测 特征融合 边缘检测 伪装图像 深度学习

在线阅读 下载PDF 职称材料

基于区域特征强化的多尺度伪装目标检测方法 被引量：1

12

作者 孙帮勇 马铭 于涛 《计算机工程》 CAS CSCD 北大核心 2024年第5期209-219,共11页

伪装目标检测(COD)能够在复杂环境下探测出与背景相似度极高的伪装目标,在军事侦查和工业检测等领域具有重要的应用价值。针对现有伪装目标检测方法对区域级特征信息利用率低的问题,提出一种基于区域特征强化的多尺度伪装目标检测网络(R... 伪装目标检测(COD)能够在复杂环境下探测出与背景相似度极高的伪装目标,在军事侦查和工业检测等领域具有重要的应用价值。针对现有伪装目标检测方法对区域级特征信息利用率低的问题,提出一种基于区域特征强化的多尺度伪装目标检测网络(RFE-Net)方法,实现可见光条件下伪装目标的准确探测。RFE-Net主要包含弱语义特征增强模块、空间信息交互模块和上下文信息聚合模块。首先弱语义特征增强模块引入了条状池化和非对称卷积,通过优化网络的感受野来动态调整搜索区域,从而加强长距离弱语义特征间的联系;然后将级联的U型块结构组合为空间信息交互模块,消除错误预测样本的干扰;最后设计上下文信息聚合模块,通过充分融合深层语义信息和浅层细粒度信息以精细化处理目标边缘细节,从而提升预测准确度。实验结果表明,所提方法能够加强目标内部的弱语义关联,提高目标与背景的区分度,在最大测试集NC4K上的结构性度量、增强对准度量、加权F1值和平均绝对误差4个指标上均取得最优值,其中结构性度量和平均绝对误差高于第2名方法1.1%和7.7%。 展开更多

关键词 深度学习 伪装目标检测 多尺度融合 特征强化 区域级特征

在线阅读 下载PDF 职称材料

面向无人水面艇的水下伪装目标检测方法 被引量：1

13

作者 韩天保 王岳 +1 位作者 任世昌 吕薛清 《舰船科学技术》 北大核心 2024年第19期85-91,共7页

无人水面艇环境感知能力受限于待测目标背景复杂、形状多样和伪装等因素,常规方法难以在上述情况下准确对水下伪装目标准确检测与评价。针对探测场景的多样化和复杂化,基于多任务学习策略提出一种面向无人水面艇的轻量型伪装目标检测方... 无人水面艇环境感知能力受限于待测目标背景复杂、形状多样和伪装等因素,常规方法难以在上述情况下准确对水下伪装目标准确检测与评价。针对探测场景的多样化和复杂化,基于多任务学习策略提出一种面向无人水面艇的轻量型伪装目标检测方法 MFLNet(Multi-Feature Learning Network),通过借助图像梯度感知任务来提升无人水面艇对水下伪装目标的检测能力。首先,将图像特征提取任务解耦为语义特征提取和梯度特征提取;然后,向高层语义特征引入图像梯度特征并通过多尺度通道注意力模块生成初始预测图;最后,经过逐层的特征修正生成对伪装目标的最终预测。实验结果表明:MFLNet在CAMO-Test和NC4K-Test数据集上,结构相似性度量Sα指标可达0.824和0.851,检测性能达到先进模型水平,相比同策略轻量化模型参数量减少65%,检测速度可达73.7帧/s,满足水下检测数据实时传送需求,具有一定的实际应用价值。 展开更多

关键词 无人水面艇 水下目标检测 伪装目标检测 深度学习

在线阅读 下载PDF 职称材料

双主干伪装目标检测网络 被引量：2

14

作者 史彩娟 赵琳 +3 位作者 任弼娟 张昆 孔凡跃 王睿 《北京交通大学学报》 CAS CSCD 北大核心 2024年第2期57-67,共11页

针对伪装目标检测任务中存在检测精度有限的问题,通过引入双主干网络增加差异化信息,提出一种双主干伪装目标检测网络(Dual Backbone Network,DBNet).设计了双主干特征融合模块、边缘注意力模块和逐级细化模块.双主干特征融合模块将Res2... 针对伪装目标检测任务中存在检测精度有限的问题,通过引入双主干网络增加差异化信息,提出一种双主干伪装目标检测网络(Dual Backbone Network,DBNet).设计了双主干特征融合模块、边缘注意力模块和逐级细化模块.双主干特征融合模块将Res2Net50和PVT v2对原始图像提取的多级特征进行有效融合,获取丰富的全局上下文信息和局部上下文信息;边缘注意力模块根据生成的边缘预测图进一步计算边缘注意力图,使网络更加关注伪装目标的边缘细节;在逐级细化模块中,上一层的预测图和特征与当前层的特征依次经过粗预测细化结构和交叉查询注意力结构,该模块在标签监督下能够提供逐渐精确和细化的预测结果 .研究结果表明:在CAMO数据集,DBNet的S_(α)、F_(β)^(ω)和E_(φ)分别为0.877、0.838和0.932,MAE为0.042;在COD10K数据集,DBNet的MAE和E_(φ)分别为0.022和0.932;在NC4K数据集,F_(β)^(ω)和MAE分别为0.843和0.031.所提网络DBNet的检测性能优于其他23个伪装目标检测网络,所设计的3个模块能够有效提升网络对伪装目标的检测能力. 展开更多

关键词 伪装目标检测 双主干网络 边缘注意力 逐级细化

在线阅读 下载PDF 职称材料

伪装目标检测研究进展 被引量：2

15

作者 张冬冬 王春平 付强 《激光杂志》 CAS 北大核心 2024年第3期1-13,共13页

伪装目标检测旨在准确地检测出“完美”隐藏在周围环境中的目标,是一项重要且极具挑战性的任务。当前,伪装目标检测在计算机视觉领域引发了广泛关注,并且学者们已成功构建了多种类型的检测模型。但是,大多数工作以构建高效的检测模型为... 伪装目标检测旨在准确地检测出“完美”隐藏在周围环境中的目标,是一项重要且极具挑战性的任务。当前,伪装目标检测在计算机视觉领域引发了广泛关注,并且学者们已成功构建了多种类型的检测模型。但是,大多数工作以构建高效的检测模型为目的,缺少对已有模型的深入分析及归纳总结。因此,对现有伪装目标检测模型进行了全面分析和总结,并探讨了伪装目标检测潜在的研究方向。首先从传统方法和基于深度学习方法两个大类对已存的模型进行全面综述,并详细阐述相关模型的原理和优劣势;其次介绍了伪装目标检测领域常用数据集及评价指标;最后总结全文并对伪装目标检测领域的未来研究方向进行了展望。 展开更多

关键词 伪装目标检测 传统方法 深度学习

在线阅读 下载PDF 职称材料

基于边界特征融合和前景引导的伪装目标检测

16

作者 刘文犀 张家榜 +2 位作者 李悦洲 赖宇 牛玉贞 《电子学报》 EI CAS CSCD 北大核心 2024年第7期2279-2290,共12页

伪装目标检测旨在检测隐藏在复杂环境中的高度隐蔽物体,在医学、农业等多个领域有重要应用价值.现有方法结合边界先验过分强调边界区域,对伪装目标内部信息的表征不足,导致模型对伪装目标的内部区域检测不准确.同时,已有方法缺乏对伪装... 伪装目标检测旨在检测隐藏在复杂环境中的高度隐蔽物体,在医学、农业等多个领域有重要应用价值.现有方法结合边界先验过分强调边界区域,对伪装目标内部信息的表征不足,导致模型对伪装目标的内部区域检测不准确.同时,已有方法缺乏对伪装目标前景特征的有效挖掘,使背景区域被误检为伪装目标.为解决上述问题,本文提出一种基于边界特征融合和前景引导的伪装目标检测方法,该方法由特征提取、边界特征融合、主干特征增强和预测等若干个阶段构成.在边界特征融合阶段,首先,通过边界特征提取模块获得边界特征并预测边界掩码;然后,边界特征融合模块将边界特征和边界掩码与最低层次的主干特征有效融合;同时,加强伪装目标边界位置及内部区域特征.此外,设计前景引导模块,利用预测的伪装目标掩码增强主干特征,即将前一层特征预测的伪装目标掩码作为当前层特征的前景注意力,并对特征执行空间交互,提升网络对空间关系的识别能力,使网络关注精细而完整的伪装目标区域.本文在4个广泛使用的基准数据集上的实验结果表明,提出的方法优于对比的19个主流方法,对伪装目标检测任务具有更强鲁棒性和泛化能力. 展开更多

关键词 伪装目标检测 边界先验 前景引导 边界特征 边界掩码 空间交互

在线阅读 下载PDF 职称材料

一种改进YOLOv5算法的伪装目标检测方法

17

作者 彭锐晖 赖杰 +3 位作者 孙殿星 李莽 颜如玉 李雪 《电子与信息学报》 EI CAS CSCD 北大核心 2024年第8期3324-3333,共10页

为了深入挖掘伪装目标特征信息含量、充分发挥目标检测算法潜能,解决伪装目标检测精度低、漏检率高等问题,该文提出一种多模态图像特征级融合的伪装目标检测算法(CAFM-YOLOv5)。首先,构建伪装目标多波谱数据集用于多模态图像融合方法性... 为了深入挖掘伪装目标特征信息含量、充分发挥目标检测算法潜能,解决伪装目标检测精度低、漏检率高等问题,该文提出一种多模态图像特征级融合的伪装目标检测算法(CAFM-YOLOv5)。首先,构建伪装目标多波谱数据集用于多模态图像融合方法性能验证;其次,构建双流卷积通道用于可见光和红外图像特征提取;最后,基于通道注意力机制和空间注意力机制提出一种交叉注意力融合模块,以实现两种不同特征有效融合。实验结果表明,模型的检测精度达到96.4%、识别概率88.1%,优于YOLOv5参考网络;同时,在与YOLOv8等单模态检测算法、SLBAF-Net等多模态检测算法比较过程中,该算法在检测精度等指标上也体现出巨大优势。可见该方法对于战场军事目标检测具有实际应用价值,能够有效提升战场态势信息感知能力。 展开更多

关键词 伪装目标检测 多波谱数据集 注意力机制 可见光图像 红外图像

在线阅读 下载PDF 职称材料

边缘注意力及反向定位的伪装目标检测算法 被引量：1

18

作者 何文昊 葛海波 +2 位作者 程梦洋 安玉 马赛 《计算机工程与应用》 CSCD 北大核心 2024年第7期229-237,共9页

伪装目标检测(camouflage object detection,COD)在众多领域中有着重要的应用前景。现有COD算法主要针对特征表达以及特征融合的问题进行研究,但是忽略了目标边缘特征的提取和推断目标真实区域的位置。针对上述问题,提出了基于边缘注意... 伪装目标检测(camouflage object detection,COD)在众多领域中有着重要的应用前景。现有COD算法主要针对特征表达以及特征融合的问题进行研究,但是忽略了目标边缘特征的提取和推断目标真实区域的位置。针对上述问题,提出了基于边缘注意力及反向定位的伪装目标检测算法。算法由边缘注意力模块(edge attention module,EAM)、临近融合模块(close integration module,CIM)和反向定位模块(reverse positioning module,RPM)构成。EAM模块用于特征编码阶段,增强从Res2Net-50主干网络提取的多级特征的表达,突出边缘特征。CIM模块促进多层次特征的融合,减少特征信息丢失。使用RPM模块处理来自不同特征金字塔的粗糙预测图,反向定位目标的真实区域,推断出真实目标。在3个公开数据集上的实验表明,该算法优于其他8个最新模型。在COD10K数据集上,平均绝对误差(mean absolute error,MAE)达到了0.038。 展开更多

关键词 伪装目标检测 边缘注意力模块 临近融合模块 反向定位模块

在线阅读 下载PDF 职称材料

基于显式运动建模的视频伪装目标检测

19

作者 肖涛 章超 傅可人 《上海理工大学学报》 CAS CSCD 北大核心 2024年第2期120-128,共9页

目前的视频伪装目标检测方法通常采用隐式运动建模或直接输入存在噪声的离线光流图来获取运动线索,这会影响模型性能。为了解决这一问题,提出一种新的基于显式运动建模的视频伪装目标检测框架,称为SMHNet。首先,该框架将显式运动建模与... 目前的视频伪装目标检测方法通常采用隐式运动建模或直接输入存在噪声的离线光流图来获取运动线索,这会影响模型性能。为了解决这一问题,提出一种新的基于显式运动建模的视频伪装目标检测框架,称为SMHNet。首先,该框架将显式运动建模与伪装目标检测联合在同一个框架中进行学习。然后利用特征双向更新模块实现两个分支的双向交互更新,相互补充、优化和纠错,输出光流估计结果和目标检测图。此外,为了解决缺少光流真值图这一问题,采用自监督策略对显式运动建模分支进行监督。在两个数据集上的对比实验结果表明,SMHNet有效地提高了视频场景中伪装目标检测的性能。 展开更多

关键词 视频伪装目标检测 显式运动建模 光流 自监督

在线阅读 下载PDF 职称材料

基于递进式特征增强聚合的伪装目标检测 被引量：6

20

作者 谭湘粤 胡晓 +1 位作者 杨佳信 向俊将 《计算机应用》 CSCD 北大核心 2022年第7期2192-2200,共9页

伪装目标检测(COD)旨在检测隐藏在复杂环境中的目标。现有COD算法在结合多层次特征时,忽略了特征的表达和融合方式对检测性能的影响。为此,提出一种基于递进式特征增强聚合的COD算法。首先,通过主干网络提取多级特征;然后,为了提高特征... 伪装目标检测(COD)旨在检测隐藏在复杂环境中的目标。现有COD算法在结合多层次特征时,忽略了特征的表达和融合方式对检测性能的影响。为此,提出一种基于递进式特征增强聚合的COD算法。首先,通过主干网络提取多级特征;然后,为了提高特征的表达能力,使用由特征增强模块(FEM)构成的增强网络对多层次特征进行增强;最后,在聚合网络中设计邻近聚合模块(AAM)实现相邻特征之间的信息融合,以突显伪装目标区域的特征,并提出新的递进式聚合策略(PAS)通过渐进的方式聚合邻近特征,从而在实现多层特征有效融合的同时抑制噪声。在3个公开数据集上的实验表明,所提算法相较于12种最先进的算法在4个客观评价指标上均取得最优表现,尤其是在COD10K数据集上所提算法的加权的F测评法和平均绝对误差(MAE)分别达到了0.809和0.037。由此可见,所提算法在COD任务上拥有较优的性能。 展开更多

关键词 卷积神经网络 伪装目标检测 特征增强 邻近聚合模块 递进式聚合策略

在线阅读 下载PDF 职称材料