边界导向差异注意力:提高伪装物体检测精度
Hongliang Zhang1, Bolin Xu1, Sanxin Jiang1
1College of Electronics and Information Engineering, Shanghai University of Electric Power, Shanghai 201306, China.
Journal of imaging
|November 26, 2025
概括
本研究引入了一个边界引导的差异性注意网络 (BDA-Net),用于伪装物体检测. 我们的新方法显著提高了隐藏在复杂背景中的对象细分的准确性.
科学领域:
- 计算机视觉 计算机视觉
- 图像细分 图像细分
- 人工智能的人工智能
背景情况:
- 伪装物体检测 (COD) 具有挑战性,因为它具有很高的物体背景相似性.
- 现有的方法难以精确地对伪装对象进行细分.
- 在医学成像,安全和农业中,COD具有关键的应用.
研究的目的:
- 开发一个先进的网络,用于准确的伪装物体检测和细分.
- 克服传统方法在细分无混合对象方面的局限性.
- 引入一种新的注意力机制,以加强特征歧视.
主要方法:
- 拟议的边界引导差异性注意网络 (BDA-Net).
- 结合了多尺度的特征与道注意力,用于边界提取.
- 使用以边界特征为指导的差异性注意力来突出目标.
- 逐渐融合加权特征,用于精确的口罩生成.
主要成果:
- 在COD10K,NC4K和CAMO数据集上,BDA-Net实现了卓越的性能.
- 性能优于大多数最先进的伪装物体检测方法.
- 在关键检测准确度指标中显示高达3.6%的改进.
结论:
- BDA-Net为伪装对象细分提供了强大而准确的解决方案.
- 提出的边界引导的差异性注意力机制是有效的.
- 该方法显示了需要精确检测的现实应用的巨大潜力.
