伪装目标检测网络

定位分割排序一体化

首个同时定位、分割并排序伪装目标的三任务学习框架，通过显式建模显著性提升可解释性。

Lv, Yunqiu · Zhang, Jing · 戴玉超 · Li, Aixuan · Barnes, Nick · Fan, Dengping

IEEE Transactions on Circuits and Systems for Video Technology 2023

技术优势

更可解释

通过显式建模目标相对于背景的显著性，并同时输出定位、分割和排序结果，使网络的行为更容易被理解。

贡献最大测试集

提供了最大的COD测试集，用于全面分析COD模型的性能，为评估提供了更充分的基准。

应用场景

• 自动驾驶感知：识别道路中与背景相似的障碍物，避免碰撞。
• 机器人视觉：帮助机器人在复杂环境中发现伪装的物体。
• 计算成像：增强对伪装目标的成像分析能力。
• 智能监控：在监控画面中自动发现伪装的人或物。