論文の概要: CoFiNet: Unveiling Camouflaged Objects with Multi-Scale Finesse
- arxiv url: http://arxiv.org/abs/2402.02217v1
- Date: Sat, 3 Feb 2024 17:24:55 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-06 21:13:01.485759
- Title: CoFiNet: Unveiling Camouflaged Objects with Multi-Scale Finesse
- Title(参考訳): CoFiNet: マルチスケールフィンスでカモフラージュされたオブジェクトを公開
- Authors: Cunhan Guo and Heyan Huang
- Abstract要約: 本稿では,CoFiNetというカモフラージュ物体検出手法を提案する。
提案手法は,マルチスケールな特徴融合と抽出に重点を置いており,特にモデルのセグメンテーションの有効性に注目している。
CoFiNetは、すべてのデータセットで最先端のパフォーマンスを達成する。
- 参考スコア(独自算出の注目度): 46.79770062391987
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Camouflaged Object Detection (COD) is a critical aspect of computer vision
aimed at identifying concealed objects, with applications spanning military,
industrial, medical and monitoring domains. To address the problem of poor
detail segmentation effect, we introduce a novel method for camouflage object
detection, named CoFiNet. Our approach primarily focuses on multi-scale feature
fusion and extraction, with special attention to the model's segmentation
effectiveness for detailed features, enhancing its ability to effectively
detect camouflaged objects. CoFiNet adopts a coarse-to-fine strategy. A
multi-scale feature integration module is laveraged to enhance the model's
capability of fusing context feature. A multi-activation selective kernel
module is leveraged to grant the model the ability to autonomously alter its
receptive field, enabling it to selectively choose an appropriate receptive
field for camouflaged objects of different sizes. During mask generation, we
employ the dual-mask strategy for image segmentation, separating the
reconstruction of coarse and fine masks, which significantly enhances the
model's learning capacity for details. Comprehensive experiments were conducted
on four different datasets, demonstrating that CoFiNet achieves
state-of-the-art performance across all datasets. The experiment results of
CoFiNet underscore its effectiveness in camouflage object detection and
highlight its potential in various practical application scenarios.
- Abstract(参考訳): camouflaged object detection (cod)は、軍事、産業、医療、監視の領域にまたがるアプリケーションを含む、隠されたオブジェクトの識別を目的としたコンピュータビジョンの重要な側面である。
細かなセグメンテーション効果の低い問題に対処するため、我々はCoFiNetと呼ばれるカモフラージュ物体検出の新しい手法を提案する。
本手法は主にマルチスケール特徴の融合と抽出に重点を置き,詳細な特徴のセグメンテーション効果に着目し,迷彩物体を効果的に検出する能力を高めた。
CoFiNetは粗大な戦略を採用している。
マルチスケールの機能統合モジュールは、コンテキスト機能を融合するモデルの能力を高めるために平均化される。
マルチアクティベーション選択型カーネルモジュールを利用して、モデルにその受容野を自律的に変更する機能を与え、異なるサイズの擬似オブジェクトに対して適切な受容野を選択的に選択できるようにする。
マスク生成では,画像分割のためのデュアルマスク戦略を用い,粗面と微細マスクの再構成を分離することで,詳細な学習能力を大幅に向上させる。
4つの異なるデータセットで総合的な実験を行い、CoFiNetがすべてのデータセットで最先端のパフォーマンスを達成することを示した。
CoFiNetの実験結果は、カモフラージュオブジェクト検出の有効性を裏付け、様々な応用シナリオにおいてその可能性を強調している。
関連論文リスト
- Hierarchical Graph Interaction Transformer with Dynamic Token Clustering for Camouflaged Object Detection [57.883265488038134]
本稿では,HGINetと呼ばれる階層的なグラフ相互作用ネットワークを提案する。
このネットワークは、階層的トークン化機能間の効果的なグラフ相互作用を通じて、知覚不能なオブジェクトを発見することができる。
本実験は,既存の最先端手法と比較して,HGINetの優れた性能を示すものである。
論文 参考訳(メタデータ) (2024-08-27T12:53:25Z) - ZoomNeXt: A Unified Collaborative Pyramid Network for Camouflaged Object Detection [70.11264880907652]
最近のオブジェクト(COD)は、現実のシナリオでは極めて複雑で難しい、視覚的にブレンドされたオブジェクトを周囲に分割しようと試みている。
本研究では,不明瞭な画像を観察したり,ズームインしたりアウトしたりする際の人間の行動を模倣する,効果的な統合協調ピラミッドネットワークを提案する。
我々のフレームワークは、画像とビデオのCODベンチマークにおいて、既存の最先端の手法を一貫して上回っている。
論文 参考訳(メタデータ) (2023-10-31T06:11:23Z) - Camouflaged Image Synthesis Is All You Need to Boost Camouflaged
Detection [65.8867003376637]
本研究では,カモフラージュデータの合成フレームワークを提案する。
提案手法では,既存の物体検出モデルのトレーニングに使用可能な,現実的なカモフラージュ画像の生成に生成モデルを用いる。
我々のフレームワークは3つのデータセット上で最先端の手法より優れています。
論文 参考訳(メタデータ) (2023-08-13T06:55:05Z) - CamDiff: Camouflage Image Augmentation via Diffusion Model [83.35960536063857]
CamDiffは、カモフラージュされたシーンで透明なオブジェクトを合成するための新しいアプローチだ。
我々は,潜伏拡散モデルを用いて,カモフラージュされたシーンで有能な物体を合成する。
当社のアプローチでは、フレキシブルな編集と大規模データセットの効率的な生成を低コストで実現している。
論文 参考訳(メタデータ) (2023-04-11T19:37:47Z) - Feature Aggregation and Propagation Network for Camouflaged Object
Detection [42.33180748293329]
カモフラージュされたオブジェクト検出(COD)は、環境に埋め込まれたカモフラージュされたオブジェクトを検出し、分離することを目的としている。
いくつかのCOD法が開発されているが, 前景オブジェクトと背景環境との固有の類似性により, 依然として不満足な性能に悩まされている。
カモフラージュされた物体検出のための新しい特徴集約・伝播ネットワーク(FAP-Net)を提案する。
論文 参考訳(メタデータ) (2022-12-02T05:54:28Z) - MFFN: Multi-view Feature Fusion Network for Camouflaged Object Detection [10.04773536815808]
画像中の不明瞭な物体を見つける人間の振る舞いを模倣する,Multi-view Feature Fusion Network (MFFN) と呼ばれる行動に触発されたフレームワークを提案する。
MFFNは抽出したマルチビュー特徴を比較し、融合することにより、重要なエッジとセマンティック情報をキャプチャする。
提案手法は,同一データを用いたトレーニングにより,既存の最先端手法に対して良好に機能する。
論文 参考訳(メタデータ) (2022-10-12T16:12:58Z) - Camouflaged Object Detection via Context-aware Cross-level Fusion [10.942917945534678]
カモフラージュされた物体検出(COD)は、自然界に隠れている物体を識別することを目的としている。
本稿では,コンテキスト認識型クロスレベル統合ネットワーク(C2F-Net)を提案する。
C2F-Netは効果的なCODモデルであり、最先端(SOTA)モデルよりも優れています。
論文 参考訳(メタデータ) (2022-07-27T08:34:16Z) - High-resolution Iterative Feedback Network for Camouflaged Object
Detection [128.893782016078]
カモフラージュされたオブジェクトを背景に視覚的に同化させることは、オブジェクト検出アルゴリズムにとって難しい。
エッジやバウンダリのぼやけた視界を生じさせる細部劣化を避けるために,高分解能テクスチャの詳細を抽出することを目的としている。
我々は,高解像度特徴量による低解像度表現を反復的フィードバック方式で洗練する新しいHitNetを提案する。
論文 参考訳(メタデータ) (2022-03-22T11:20:21Z) - Fast Camouflaged Object Detection via Edge-based Reversible
Re-calibration Network [17.538512222905087]
本稿では,ERRNetと呼ばれるエッジベースの可逆再校正ネットワークを提案する。
Selective Edge Aggregation(SEA)とReversible Re-calibration Unit(RRU)の2つの革新的な設計が特徴である。
実験の結果,ERRNetは3つのCODデータセットと5つの医用画像セグメンテーションデータセットで既存の最先端ベースラインよりも優れていた。
論文 参考訳(メタデータ) (2021-11-05T02:03:54Z) - Towards Accurate Camouflaged Object Detection with Mixture Convolution and Interactive Fusion [45.45231015502287]
本稿では,大規模な受容場と効果的な特徴融合を統合されたフレームワークに統合する,新しい深層学習型COD手法を提案する。
提案手法は,大規模な受容場からのリッチなコンテキスト情報を集約する,効果的な融合戦略により,カモフラージュされた物体を検出する。
論文 参考訳(メタデータ) (2021-01-14T16:06:08Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。