摘要
伪装目标检测(Camouflage target detection,COD) 在众多领域中有着重要的应用前景。现有COD算法主要针对特征表达以及特征融合的问题进行研究,但是忽略了目标边缘特征的提取和推断目标真实区域的位置。针对上述问题,提出了基于边缘注意力及反向定位的伪装目标检测算法。算法由边缘注意力模块(Edge attention module,EAM),临近融合模块(Close integration module,CIM)和反向定位模块(Reverse positioning module,RPM)构成。首先,EAM模块用于特征编码阶段,增强从Res2Net-50主干网络提取的多级特征的表达,突出边缘特征。其次,CIM模块促进多层次特征的融合,减少特征信息丢失。最后,使用RPM模块处理来自不同特征金字塔的粗糙预测图,反向定位目标的真实区域,推断出真实目标。在3个公开数据集上的实验表明,本文算法优于其它8个最新模型。在COD10K数据集上,平均绝对误差(Mean absolute error,MAE)达到了0.038。
-
单位西安邮电大学; 电子工程学院