-
题名基于层内双分支互增强注意力的伪装目标检测算法
- 1
-
-
作者
苏嘉文
周之平
莫燕
-
机构
南昌航空大学信息工程学院
-
出处
《南昌航空大学学报（自然科学版）》
CAS
2024年第2期10-17,48,共9页
-
基金
国家自然科学基金(62261038)。
-
文摘
伪装目标检测的任务是找到因颜色、纹理等相似特征而与背景混合的目标,而现有方法没有充分考虑边缘特征对检测性能的影响,存在漏检、错分等情况,检测精度仍需提升。为了克服以上不足,提出一种基于层内双分支相互增强注意力的伪装目标检测方法,该方法在现有多监督机制的基础上,引入对象边缘的预测模块,使模型的检测性能得到提升。为增强模型对物体的空间定位和识别能力,以Swin Transformer模型作为主干网络,设计了一种新型的层内双分支相互增强注意力模块,该模块包含双注意力增强模块和简单互增强模块。在CAMO、COD10K、NC4K等3个主流基准数据集上开展实验评估模型的性能,并将其与现有18种典型算法进行比较。结果表明:该模型具有优越的性能,在S_(α)、αE、ωF、MAE 4个性能指标上显著地优于现有18种先进的方法。
-
关键词
伪装目标检测
双注意力增强
融合互增强
注意力机制
-
Keywords
camouflage object detection
dual-attention enhancement
fusion mutual enhancement
attention mechanism
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
