-
题名基于交互图推理网络的弱监督伪装目标检测
- 1
-
-
作者
张冬冬
王春平
付强
宋瑶
刘新海
-
机构
陆军工程大学石家庄校区
[
-
出处
《北京理工大学学报》
北大核心
2025年第7期718-730,共13页
-
基金
军内科研项目。
-
文摘
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.
-
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
-
Keywords
camouflaged object detection
weak supervision
scribble annotation
graph inference networks
contextual information
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
