参数量减半
通过上下级递归细化与场景感知模块，实现轻量化的伪装目标检测网络，模型仅14.95M参数，优于BSA-Net的性能。
刘艳 · Ya-Qian, Zhao · Chen, Hu · 刘青山
Pattern Recognition 2023
模型仅14.95M参数，是SOTA方法BSA-Net的一半，便于在移动端或嵌入式设备上部署。
在四个挑战性基准（CHAMELEON, CAMO, COD10K, NC4K）上均优于现有方法，无需牺牲性能来换取轻量化。
下层递归细化网络融合深层语义与浅层高分辨率特征，上层网络进一步打磨，生成高分辨率语义特征，提升检测精度。