边缘注意力及反向定位的伪装目标检测算法

doi:10.3778/j.issn.1002-8331.2211-0211

摘要/摘要

摘要：伪装目标检测（伪装目标检测，COD）在众多领域中有着重要的应用前景。现有货到付款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（边缘关注模块，EAM）、金融（紧密集成模块，CIM）和反向定位模块（反向定位模块，RPM）模块用于特征编码阶段，增强从Res2Net-50公司主干网络提取的多级特征的表达，突出边缘特征。计算机集成制造模块促进多层次特征的融合，减少特征信息丢失。使用每分钟转数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。在三个公开数据集上的实验表明，该算法优于其他8个最新模型。在密码10k数据集上，平均绝对误差（平均绝对误差，MAE）±0.038

关键词: 伪装目标检测, 边缘注意力模块, 临近融合模块, 反向定位模块

摘要：伪装目标检测（COD）在许多领域具有重要的应用价值。现有的COD算法主要集中在主干网络提取的特征的表达和特征融合问题上，而忽略了聚焦对象的边缘特征和推断对象真实面积的问题。针对上述问题，提出了一种基于边缘注意和反向定位的伪装目标检测算法。该算法由边缘注意模块（EAM）、紧密集成模块（CIM）和反向定位模块（RPM）组成。首先，在特征编码阶段使用EAM模块来增强从Res2Net-50主干网络提取的多级特征的表达，并突出边缘特征。然后，使用CIM模块进行多级特征的融合，以减少特征信息的丢失。最后，利用RPM模块处理来自不同特征金字塔的粗预测图，对目标的真实区域进行反向定位，并推断出真实目标。在3个公共数据集上的实验表明，该算法优于其他8种最新模型。在COD10K数据集上，平均绝对误差（MAE）达到0.038。

关键词： 伪装目标检测（COD），边缘注意模块（EAM），紧密集成模块（CIM），反向定位模块（RPM）

何文昊, 葛海波, 程梦洋, 安玉, 马赛. 边缘注意力及反向定位的伪装目标检测算法[J] ●●●●。计算机工程与应用, 2024, 60(7): 229-237.

何文浩、葛海波、程梦阳、安宇、马赛。基于边缘注意和反向定位的伪装目标检测算法[J]。计算机工程与应用，2024，60（7）：229-237。

参考文献

[1] TANKUS A，YESHURUN Y.基于凸起的视觉伪装破解[J]。计算机视觉与图像理解，2001,82（3）：208-237。
[2] NAGAPPA U，NAGABHOSAN P.伪装缺陷识别：一种新方法[C]//第九届国际信息技术会议论文集，印度布巴内斯瓦尔，2006:145-148。
[3] SENGOTTUVELAN P，AMITABH W，SHANMUGAM A.通过探索性图像分析进行脱模的性能[C]//2008年第一届工程与技术新兴趋势国际会议论文集，印度那格浦尔，2008:6-10。
[4] LE T N，NGUYEN T V，NIE Z，等.伪装目标分割的Anabranch网络[J]。计算机视觉与图像理解，2019，184（1）：45-46。
[5] 范德平，JI G P，SUN G L，等.伪装目标检测[C]//2020 IEEE/CVF计算机视觉与模式识别会议论文集。皮斯卡塔韦：IEEE，2020年：2774-2784。
[6] 颜杰，乐天南，恩圭恩，等.镜像网：用于伪装目标分割的生物诱导对抗攻击[J]。IEEE接入，2021，9（1）：43290-43300。
[7] DONG B，ZHUGE M C，WANG Y X，et al.利用混合卷积和交互式融合实现精确的伪装物体检测[EB/OL]。[2022-10-21]. https://arxiv.org/pdf/2101.05687.pdf。
[8] 任俊杰，胡晓伟，朱莉，等.用于伪装目标检测的深纹理特征[J]。IEEE视频技术电路与系统汇刊，2023，33（3）：1157-1167。
[9] MEI H，JI G P，WEI Z Q，等.基于分心挖掘的伪装目标分割[EB/OL]。[2022-10-21]. https://arxiv.org/pdf/2104.10475.pdf。
[10] 高世浩，陈敏明，赵可，等.Res2net：一种新的多尺度骨干网体系结构[J]。IEEE模式分析和机器智能汇刊，2019，43（2）：652-662。
[11] 胡杰，沈磊，阿尔巴尼埃，等.挤压与激励网络[J]。IEEE模式分析和机器智能汇刊，2020，42（8）：2011-2023。
[12] WOO S，PARK J，LEE J Y，等。CBAM:卷积块注意模块[C]//2018年欧洲计算机视觉会议论文集。查姆：施普林格，2018:3-19。
[13] CHEN L C，PAPANDREOU G，KOKKINOS I，et al.DeepLab:基于深度卷积网络、反褶积和全连通CRF的语义图像分割[J]。IEEE模式分析和机器智能汇刊，2018，40（4）：834-848。
[14] 刘世堂，黄德，王永海。用于准确快速目标检测的接收场阻断网[C]//2018年欧洲计算机视觉会议论文集。查姆：施普林格，2018:404-419。
[15] 范德平，纪国平，程敏美，等.隐蔽目标检测[J]。IEEE模式分析和机器智能汇刊，2022，44（10）：6024-6042。
[16] LIN T Y，DOLLáR P，GIRSHICK R，等.用于目标检测的特征金字塔网络[C]//2017 IEEE计算机视觉和模式识别会议论文集。皮斯卡塔韦：IEEE，2017:936-944。
[17] ZHOU Z W，RAHMAN SIDDIQUEE M M，TAJBAKHSH N，等.UNet++：医学图像分割的嵌套U-Net架构[C]//2018年医学图像分析深度学习国际研讨会和2018年临床决策支持多模式学习国际研讨会论文集。查姆：施普林格，2018:3-11。
[18] WU Z，SU L，HUANG Q M.快速准确检测显著目标的级联部分解码器[C]//2019 IEEE/CVF计算机视觉和模式识别会议论文集。皮斯卡塔韦：IEEE，2019:3902-3911。
[19] 范德平，纪国平，周涛，等.并行反向注意网络在息肉分割中的应用[C]//医学图像计算与计算机辅助干预国际会议。查姆：施普林格，2020年：263-273。
[20] CHEN S，FU Y.用于RGB-D显著目标检测的渐进引导交替细化网络[C]//欧洲计算机视觉会议。查姆：施普林格，2020年：520-538。
[21]PANG Y，ZHAO X，ZHANG L，et al.用于显著对象检测的多尺度交互式网络[C]//2020年IEEE/CFF计算机视觉和模式识别会议论文集，美国华盛顿州西雅图，2020:9410-9419。
[22]蒙达尔A.伪装设计、评估和破解技术：一项调查[J]。多媒体系统，2022，28（1）：141-160。
[23]佩拉齐F，KR？HENBüHL P，PRITCH Y，等。显著滤波器：基于对比度的显著区域检测滤波[C]//2012 IEEE计算机视觉与模式识别会议论文集。皮斯卡塔韦：IEEE，2012:733-740。
[24]范德平，龚C，曹毅，等.二元前景图评估的增强对齐方法[C]//第27届国际人工智能联合会议论文集，2018:698-704。
[25]范德平，陈敏美，刘毅，等.结构度量：前景地图评估的新方法[C]//2017 IEEE计算机视觉国际会议论文集。皮斯卡塔韦：IEEE，2017年：4558-4567。
[26]何克明，张晓云，任世清，等.图像识别的深度剩余学习[C]//2016 IEEE计算机视觉与模式识别会议论文集。皮斯卡塔韦：IEEE，2016:770-778。
[27]斯库洛夫斯基P，阿布杜拉梅尔H，B？ASZCZYK J等。动物伪装分析：变色龙数据库[DB/OL]。[2022-10-21]. http://kgwisc.aei.polsl.pl/index.php/en/dataset/63-animal-camouflage-analysis。
[28]赵J X，刘J J，范德平，等.EGNet:用于显著目标检测的边缘制导网络[C]//2019 IEEE/CVF国际计算机视觉会议论文集。皮斯卡塔韦：IEEE，2019:8778-8787。
[29]徐X，陈S，LV X，等.伪装目标检测的引导多尺度细化网络[J]。多媒体工具和应用，2023，82（4）：5785-5801。
[30]张C，李X，李X.滤波后解码：一种伪装目标分割网络[J]。软计算，2022，26（4）：2033-2043。