返回
Consensus aware foreground refinement network for collaborative camouflaged object detection
DOI:10.1007/s00371-025-04155-6.png)
摘要
En 中文
在计算机视觉领域,在高度相似背景下准确检测伪装物体仍然是一个艰巨的挑战。现有的协同伪装物体检测(CoCOD)方法通常忽略了伪装物体组内的共表示信息。本文介绍了一种名为共识感知前景细化网络(CFNet)的新框架,旨在解决这一问题。CFNet包含一个共识感知模块(CAM)用于捕获图像间的共享语义线索,一个前景特征细化模块(FRM)用于增强前景表示,以及一个前景引导的完整性聚合解码器(FIAD)用于融合协同和细化后的前景特征。在CoCOD8K数据集上的实验结果表明,CFNet在协同伪装物体检测(CoCOD)、伪装物体检测(COD)和协同显著物体检测(CoSOD)方面均优于当前最优模型,实现了F-measure为0.750和E-measure为0.896的出色性能。这项工作突显了CFNet在复杂环境中提升协同伪装物体检测准确性的潜力。代码可从https://github.com/Firefly-m/CFNet获取。
Keyword:
Collaborative camouflaged object detection
Consensus awareness
Foreground refinement
Foreground-induced integrity aggregation decoder
期刊
IF:
2.9
论文数:
4.7K
被引数:
6.5K

