论文笔记——Camouflaged Object Detection
文章目录
- 1 简介
- 2 网络结构
- 2.1 Search Module (SM)
- 2.2 Identification Module (IM)
2020年CVPR的一篇文章,文章名为“伪装物体检测”。
代码地址
1 简介
伪装物体:“无缝”嵌入周围环境的物体。分为两类
- 自然伪装物体:一般是动物,如昆虫,头足类动物;
- 人工伪装物体:缺陷,游戏艺术隐藏信息。
伪装物体检测与其他任务的区别和联系:
我们可以从上面这幅图看出,通用物体指的是图像中所有出现的物体,显著性物体是指图像中最吸引人注意的物体,伪装物体指的是和周围环境相似的物体,在这幅图像中检测的是两只与环境极为相似的蝴蝶。
伪装物体检测的难点:
包括边界难以区分、超出视野、大物体、小物体、形态复杂、遮挡、多物体等。
本文主要贡献:
提出了一个新的伪装数据集COD10K;
SINet。
2 网络结构
Motivation:
生物学上捕食者首先会判断一个潜在猎物是否存在,也就是说,它会寻找猎物;识别目标动物;最后捕捉猎物。
因此,网络结构包含两个主模块,搜索模块(Search Module)和识别模块(Identification Module)。
Overview:
2.1 Search Module (SM)
RF模块,可以融合不同大小感受野下的特征。(见上图中的RF结构图)
为了保留更多的信息,前两个stage的分辨率保持一致。
低层特征保留了较多的空间细节,可以更好的恢复物体边界;高层特征包含更多的语义信息,可以更好的定位物体。将特征分为低层特征、中层特征和高层特征,分别进行融合。
SINet使用了 densely connection 策略,多层信息送入RF模块进行融合。
SM模块实际上就是特征的提取和融合过程。
2.2 Identification Module (IM)
使用 partical decoder component (PDC) 融合了来自SM模块的4层特征。
现有文献表明,注意力机制可以有效地消除无关特征的干扰。这里使用 search attention (SA) 模块来增强中间特征,SA模块实际上是一个典型的高斯滤波器。
为了整体获得高层特征,继续使用PDC来聚合三层特征,获得最后的伪装图。
论文笔记——Camouflaged Object Detection相关推荐
- [读论文]Referring Camouflaged Object Detection
摘要 In this paper, we consider the problem of referring camouflaged object detection (Ref-COD), a new ...
- 【目标检测】论文笔记Arbitrary-Oriented Object Detection with Circular Smooth Label(2020)
目录 前情提要: 解决方案 Regression-based Rotation Detection Method Boundary Problem of Regression Method Some ...
- 论文笔记:Object Detection in 20 Years: A Surve(目标检测20年研究综述)
文章目录 1.介绍 2.目标检测的20年发展历程 2.1.目标检测路线 2.1.1.里程碑:传统检测器 2.1.2.基于CNN的两阶段检测器 2.1.3.基于CNN的单阶段检测器 2.2.目标检测数据 ...
- 文献阅读20期:Transformer Transforms Salient Object Detection and Camouflaged Object Detection
[ 文献阅读 ] Transformer Transforms Salient Object Detection and Camouflaged Object Detection [1] 表现SOTA ...
- 【论文阅读】 Object Detection in 20 Years: A Survey
[论文阅读]Object Detection in 20 Years: A Survey 摘要 论文介绍 1.目标检测 2.目标检测的里程碑 3.数据集 4.性能度量 摘要 本篇博客参考Object ...
- 论文记录-2019-Salient object detection: A survey
论文记录-2019-Salient object detection: A survey 论文内容 摘要 1 简介 (1)什么是显著物体检测? (2)定位显著物体检测(与其他问题差异) (3)显著物体 ...
- 基于dota的目标检测(旋转框)论文阅读Oriented Object Detection in Aerial Images with Box Boundary-Aware Vectors
基于dota的目标检测(旋转框)|论文阅读Oriented Object Detection in Aerial Images with Box Boundary-Aware Vectors 文章目录 ...
- 论文阅读:Uncertainty-aware Joint Salient Object and Camouflaged Object Detection
论文地址:https://arxiv.org/abs/2104.02628 代码地址:https://github.com/JingZhang617/Joint_COD_SOD 发表于:CVPR 20 ...
- 论文阅读 R-FCN: Object Detection via Region-based Fully Convolutional Networks
本文转载自: http://www.cnblogs.com/lillylin/p/6277094.html R-FCN论文阅读(R-FCN: Object Detection via Region-b ...
最新文章
- 简单客户端服务器模型(C++、python和go语言示例)
- Intel汇编语言程序设计学习-第二章 IA-32处理器体系结构-上
- 学习笔记Hadoop(十三)—— MapReduce开发入门(1)—— MapReduce开发环境搭建、MapReduce单词计数源码分析
- linux替换文件内容cat,Linux下巧用cat与EOF实现文件的替换和追加
- SQL MIN() 函数
- 我们学过 飞鸽传书 的应该知道
- python装饰器语法糖_最全python装饰器的各种写法
- XNOR.ai融资1200万美元
- leecode第二百一十七题(存在重复元素)
- Luogu1169 [ZJOI2007]棋盘制作
- 2023计算机考研资料分享
- 产品设计体会(4013)产品路标规划
- 微信小程序富文本解析点击图片放大_小程序富文本提取图片可放大缩小
- HALCON学习论坛
- 在HTTPS网站安装百度分享按钮代码及其SEO外链作用
- 阿里云的核心技术要点
- 广东智汇盟获颁广州市番禺区慈善会捐赠证书
- qtCreator安装windows sdk cdb
- LTE-产生参考信号和同步信号
- 在Archlinux下安装Xilinx ISE12.3以及Digilent Adept的使用
热门文章
- Java中的poi是什么_java poi介绍
- Linux之Tmux使用教程
- 云呼服务器网站,云呼服务器地址
- pig简单的代码实例:报表统计行业中的点击和曝光量
- C语言/C++常见习题问答集锦(八十一)之学生信息与排序
- 怎么设置python界面颜色_python界面编程之颜色篇
- 滚潮信息中标移动服务器,电信联通25万座5G基站集采结果出炉 华为、中兴、爱立信、大唐移动中标...
- vsftpd配置教程
- 电源锁WakeLock不起作用
- java做一个数据库网站,用javaSwing和mysql数据库做的一个登录页面