.png){kind=icon}
返回
Recursive Feedback-based Feature Refinement Network for Camouflaged Object Detection
.png){kind=icon}
PRE
AI
DOI：10.1016/j.dsp.2025.105577.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
从伪装图像中精确分割伪装物体是一项有价值但具有挑战性的任务。尽管在伪装物体检测方面取得了一些进展，但仍存在若干挑战。被前景遮挡或嵌入背景中的伪装物体表现出边界不清晰且与周围环境高度相似的特点，尤其是在涉及多个物体时。为应对这些挑战，本文提出了一种基于递归反馈的特征精炼网络（RFF-Net）用于伪装物体检测。具体而言，首先提出一个边界检测网络，用于生成边界感知特征。然后，将提取的边界特征整合到分割网络中。特别地，我们设计了一个分割网络，利用高层特征的递归反馈来引导低层特征，从而逐步精炼伪装物体的分割结果。此外，提出一个边界特征聚合模块（BFAM）以融合边界信息与多级特征，这能够增强多级骨干特征以生成更精细的分割结果。进一步地，提出一个类间差异增强模块（IDEM）以放大伪装物体与其周围环境的类间差异，这可以充分利用多尺度及上下文信息来突出伪装物体的位置。在四个具有挑战性的基准数据集上的定量与定性实验证明了我们的RFF-Net相较于各种最先进的伪装物体分割模型具有更优的性能。
