Spatial-Frequency Collaborative Learning for Camouflaged Object Detection

doi:10.1109/TMM.2025.3599041

Spatial-Frequency Collaborative Learning for Camouflaged Object Detection

2025-01-01

0

PRE

AI

DOI：10.1109/TMM.2025.3599041

原文链接

原文求助

摘要

En 中文

伪装目标检测（COD）是一项具有挑战性的任务，难以准确检测出环境中隐藏的目标。这主要归因于伪装目标与周围环境的固有相似性。为解决此挑战，我们提出了一个用于COD的空间-频率协同学习网络（SFCNet）。具体而言，我们提出了一个领域变换融合（DTF）模块来处理伪装目标与背景之间的相似性，因为在频率域处理时，伪装目标与背景的特征变得易于区分。随后，我们设计了一个跨域集成单元（CIU），通过空间-频率协同融合（SFCF）模块和多尺度特征增强（MFE）模块逐步集成高层特征。最后，将低层特征与不同解码阶段的高层特征相结合，以详细纠正伪装目标。此外，还设计了一个边缘增强（EA）模块，使模型能够关注伪装目标的全局轮廓，从而促进生成具有精确对象边界的预测图。在四个基准COD数据集上的广泛实验表明，SFCNet优于当前最先进（SOTA）的COD模型。同时，它还具有参数量低（21.01 M）和计算复杂度低（24.14 G）的特点。

Keyword:

Camouflaged object detection (COD)

wavelet transform

spatial-frequency domain

Spatial-Frequency Collaborative Learning for Camouflaged Object Detection

摘要

期刊

机构

引用论文