频域引导的双策略协同伪装目标检测方法

摘要

伪装目标检测的目的是精确且高效地检测出隐藏在周围环境中的伪装目标.然而现在的多数伪装目标检测方法在遇到高度相似的背景干扰时，仅通过目标的局部RGB特征无法准确识别伪装目标.从动物借助频域信息识别伪装物体得到启发，本文提出了一种充分利用RGB和频域两方面的优势进行伪装目标检测的频域引导网络(FGNet).该网络设计了频域感知模块，利用主干网络提取到的多层次特征自动学习高频和低频特征.接着设计了双策略协同特征提取方法，针对高层特征设计了边缘引导特征模块，通过高频特征的引导实现伪装目标的边缘特征提取，针对低层特征设计了纹理信息增强模块，通过低频特征的引导实现伪装目标纹理的增强，通过双策略协同实现了快速初定位以及细节的保留和补充.最后设计了上下文特征聚合模块，通过跨层特征融合和先验引导校正来增强伪装目标的特征表示.与最新方法相比，本文提出的方法在CHAMELEON、CAMO-Test和COD10K-Test这3种常用的基准数据集上都体现出优越性.

关键词

伪装目标检测 / 频域感知 / 深度学习 / 边缘引导 / 纹理增强 / 上下文特征聚合