-
题名基于特征交互引导的弱监督显著目标检测
- 1
-
-
作者
李永强
石艳娇
张晴
-
机构
上海应用技术大学计算机科学与信息工程学院
-
出处
《计算机工程与设计》
北大核心
2025年第4期1234-1240,F0003,共8页
-
基金
国家自然科学基金项目(61806126)
上海市自然科学基金项目(21ZR1462600)
上海应用技术大学科技发展基金项目(ZQ2023-15)。
-
文摘
为解决现有的基于稀疏标记的弱监督显著目标检测模型需要引入额外标签恢复显著目标结构、模型检测效果不佳等问题,提出一种基于涂鸦注释的特征交互引导网络用于弱监督显著目标检测,无需预处理/后处理操作或额外标签。模型集成特征增强机制分别对浅层和深层的多尺度特征进行扩展与聚合,轮廓重定位模块恢复并优化显著目标结构,所提全局特征对齐损失辅助模型感知显著目标的全局结构。实验结果表明,所提出模型优于现有的弱监督方法。
-
关键词
显著目标检测
弱监督
涂鸦注释
特征交互引导
特征增强
多尺度特征
特征对齐
-
Keywords
salient object detection
weakly supervised
scribble annotation
feature interaction guidance
feature enhancement
multi-scale features
feature alignment
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于交互图推理网络的弱监督伪装目标检测
- 2
-
-
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]
-
