ラプラスガイド型フュージョンネットワークによるカモフラージュ物体検出

科学分野:

• コンピュータビジョン
• 画像処理
• 人工知能

背景:

• カモフラージュ物体検出（COD）は、物体が背景とシームレスに融合するため困難です。
• 既存の周波数領域手法は、正確な物体-背景境界情報をキャプチャするのに苦労しています。
• CODにおける境界線の特定を改善するための高度な技術が必要です。

研究 の 目的:

• カモフラージュ物体検出のための新しいラプラス変換ガイド型ネットワークを提案すること。
• カモフラージュ環境における境界情報のキャプチャを強化すること。
• 周波数領域支援COD手法のパフォーマンスを向上させること。

主な方法:

• 周波数解析にラプラス変換を利用した自己相関クロスリレーションネットワーク（SeCoCR）を開発しました。
• 自己関連アテンションモジュールを採用し、低周波（元画像）および高周波（ラプラス変換画像）データから局所的および全体的な特徴を抽出しました。
• 両方の周波数領域からのマルチスケール情報を統合するために、Low-High Mix Fusionメカニズムを導入しました。

主要な成果:

• SeCoCRネットワークは、周波数領域分解を用いて意味情報と境界情報を効果的に分離します。
• 提案されたLow-High Mix Fusionメカニズムは、異なる周波数範囲からの必須特徴をうまく統合します。
• 3つのベンチマークデータセットでの実験により、既存の最先端手法と比較して大幅なパフォーマンス向上が示されています。

結論:

• SeCoCRネットワークは、周波数領域分析を活用することにより、カモフラージュ物体検出において大幅な進歩を提供します。
• ラプラス変換とアテンションメカニズムの統合は、以前の手法における境界情報の制限を効果的に解決します。
• このアプローチは、カモフラージュされた物体とその境界を特定する上で優れたパフォーマンスを示します。