.png){kind=icon}
返回
Hybrid-Recursive-Refinement Network for Camouflaged Object Detection
.png){kind=icon}
OA
AI
DOI：10.3390/jimaging11090299.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
伪装目标检测（COD）旨在精确检测和勾勒出隐藏在复杂且模糊背景中的目标。然而，由于纹理变化细微和语义模糊，这仍然是一个极具挑战性的任务。现有仅依赖卷积神经网络（CNN）或Transformer架构的方法往往会导致特征表示不完整和边界细节丢失。为解决上述挑战，我们提出了一种创新的混合架构，协同利用CNN和Transformer的优势。具体而言，我们设计了一个混合特征融合模块（HFFM），该模块调和了从CNN和Transformer路径中提取的层次特征，最终提升了组合特征的表达质量。此外，我们设计了一个组合递归解码器（CRD），通过递归池化/上采样算子和分阶段掩码引导精炼，自适应地聚合层次特征，从而实现多尺度精确的结构细节捕捉。另外，我们提出了一个前景-背景选择（FBS）模块，该模块在前景目标和背景边界区域之间交替关注，逐步精炼目标轮廓的同时抑制背景干扰。在四个广泛使用的公开COD数据集CHAMELEON、CAMO、COD10K和NC4K上的评估表明，我们的方法实现了当前最佳性能。
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
J
IF:
3.3
论文数:
1.1K
被引数:
4.4K
机构
暂无机构信息
引用论文
.png){kind=icon}
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
查看更多内容