Camouflaged Object Detection with boundary localization in complex backgrounds

Guangjian Zhang

doi:10.1016/j.engappai.2025.112047

Camouflaged Object Detection with boundary localization in complex backgrounds

2025-08-26

0

PRE

AI

DOI：10.1016/j.engappai.2025.112047

原文链接

原文求助

摘要

En 中文

伪装目标检测（COD）的主要挑战在于目标与复杂背景之间的高相似性，导致人眼难以区分它们。基于观察物体时人类注意力在目标与背景之间转移的现象，我们提出了一种名为MENet的网络模型。该模型采用“定位-交互-融合”的三阶段解耦架构。在定位阶段，我们利用基于注意力机制的骨干网络（Pyramid Vision Transformer V2，缩写为PVT-V2）生成多级特征，能够初步定位目标区域。在交互阶段，我们设计了轮廓感知边缘模块（CAEM）和区域解码器（AD），分别捕获目标边缘和背景信息，从而实现目标边界的精确定位并减少背景噪声的干扰。此外，我们开发了一个边界引导模块（BGM），能够将边界提示和相关的背景信息分别有效地注入多级特征中，增强模型在复杂背景下检测目标边缘的能力。在融合阶段，我们设计了两个特征融合模块（FFM和KFFM），以有效合并具有精确边界的多级特征和去噪特征，从而提升伪装物体的预测性能。在三个具有挑战性的基准数据集上的大量实验表明，我们的MENet优于许多现有的最先进方法。我们的方法利用人工智能（AI）技术提高了复杂视觉环境中伪装目标及害虫检测的准确性。我们的代码公开在：https://github.com/yang19950966666/MENet。

Keyword:

Camouflaged Object Detection

Attention Mechanism

Boundary Guidance

Feature Fusion

Deep Learning

Camouflaged Object Detection with boundary localization in complex backgrounds

摘要

期刊

机构

引用论文