.png){kind=icon}
返回
DFCNet: dual-frequency–spatial collaborative learning for camouflaged object detection
.png){kind=icon}
PRE
AI
DOI：10.1007/s00530-026-02443-2.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
伪装目标检测（COD）旨在准确分割视觉上隐藏在复杂背景中的物体，这是一个基础且具有挑战性的计算机视觉任务。然而，现有的基于频率的方法存在两大主要局限性：首先，它们通常依赖于单一的变换（例如仅傅里叶或小波变换），难以同时捕捉全局结构和局部细节；其次，即使在涉及多种频率表示时，它们也缺乏与空间信息的有效跨域融合，导致边界定位和细节恢复效果不佳。为解决这些挑战，本文提出了一种双频-空间协同网络（DFCNet）用于COD，该网络在空间特征提取框架内系统地整合和适应互补的频域表示。具体而言，它包含两个关键组件：（1）一个注意力引导的傅里叶-小波增强模块，有效结合了傅里叶变换的全局结构表示和小波变换的局部空间-频率对应关系——适应其互补优势，以实现从宏观轮廓到微观纹理的全尺度感知；（2）一个视觉组Mamba（VGM）解码器，通过多方向扫描高效地整合频率增强特征与空间表示，显著提升边界定位和细节恢复。通过这些模块的协同学习，DFCNet生成具有完整结构和清晰边界的预测结果。在CAMO、COD10K和NC4K数据集上的实验结果表明，DFCNet在关键指标上始终优于21种最新方法。
Keyword:
Camouflaged object detection
Frequency
Group Mamba
期刊
IF:
3.1
论文数:
2.8K
被引数:
2.7K
机构
引用论文
Camouflaged Object Detection via Complementary Information-Selected Network Based on Visual and Semantic Separation基于视觉和语义分离的互补信息选择网络伪装目标检测
PREAI
分享收藏CATNet: A Cascaded and Aggregated Transformer Network for RGB-D Salient Object DetectionCATNet: 用于rgb-d显着目标检测的级联和聚合变压器网络
PREAI
分享收藏
分享收藏Progressive Region-to-Boundary Exploration Network for Camouflaged Object Detection渐进式区域到边界探索网络用于伪装目标检测
PREAI
分享收藏CamoFormer: Masked Separable Attention for Camouflaged Object DetectionCamoFormer：用于伪装目标检测的掩码可分离注意力
OAAI
OAAI分享收藏Camouflaged Object Detection via Dual-branch Fusion and Dual Self-similarity constraints基于双分支融合和双重自相似约束的伪装目标检测.png)
PATTERN RECOGNITION
PATTERN RECOGNITIONIF7.6
PREAI
分享收藏
查看更多内容