.png){kind=icon}
返回
Adaptive context mining for camouflaged object detection with scribble supervision
.png){kind=icon}
PRE
AI
DOI：10.1016/j.cviu.2025.104430.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 提出了SCNet，一种使用草图注释的新型弱监督结肠腺管开口分割（COD）框架，减少了对像素级标签的依赖。
• 实现了基于NID的粗定位和基于RM的精确细化的两阶段方法，模拟了人类视觉行为。
• 设计了ALCC损失函数，能够根据局部复杂度自适应调整注意力窗口大小，提高了模型对复杂场景的适应性。
• 在COD基准测试中取得了最先进（state-of-the-art）性能，超越了弱监督方法，并与全监督方法竞争。
• 将SCNet应用于腺瘤分割，实现了与全监督方法相当的优秀性能。
Keyword:
SCNet
weakly supervised COD
scribble annotations
NID
RM
ALCC loss
