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
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。