用于伪装目标检测的边缘-纹理引导增强网络

魏明军; 陈晓茹; 刘铭; 刘亚志; 李辉

doi:10.13705/j.issn.1671-6833.2025.02.009

郑州大学学报（工学版） ›› 2025, Vol. 46 ›› Issue (05) : 9 -17. DOI: 10.13705/j.issn.1671-6833.2025.02.009

用于伪装目标检测的边缘-纹理引导增强网络

魏明军, 陈晓茹, 刘铭, 刘亚志, 李辉

作者信息 +

Author information +

文章历史 +

PDF

摘要

伪装目标检测(COD)因目标物体与背景极为相似而具有很大的挑战性。针对目前COD方法未能充分利用边缘和纹理信息辅助检测任务而造成的边缘预测模糊、检测结果不完整且存在干扰等问题，提出了一种边缘-纹理引导增强网络(ETGENet),通过显式且充分的边缘和纹理引导策略来进一步提升COD的性能。首先，ETGENet中包含了一个关键的特征引导增强模块(FGEM),该模块能够利用并行的特征细化分支处理并增强对象特征，引导分支通过引导注意力来获取对象特征与边缘-纹理线索之间的相关性，以加强网络对于对象细节信息的理解并抑制噪声干扰；而自增强分支则利用自注意力机制从全局角度对伪装对象特征进行细化。其次，提出了一个特征交互融合模块(FIFM)来渐进融合相邻特征，FIFM利用注意力交互机制和加权融合策略学习特征间的互补信息，以生成更完整的预测图。最后，在3个公共数据集CAMO、COD10K和NC4K上进行实验验证，结果表明：所提出的网络在结构度量S、自适应增强匹配度量E、加权F度量和平均绝对误差M指标上均优于相关领域的其他方法，尤其在最大的测试集NC4K上，加权F度量指标高于所对比12个COD方法中表现最佳的FSPNet 2.2百分点。