期刊文献+
共找到7篇文章
< 1 >
每页显示 20 50 100
语义重建的动态监督伪装物体检测
1
作者 姜文涛 王柏涵 《模式识别与人工智能》 EI CSCD 北大核心 2024年第8期678-691,共14页
伪装物体检测旨在分离视觉上高度融入周围环境的物体,但是物体前景与背景存在大量相似干扰,导致分割过程中易于出现明显错误.针对上述问题,文中提出基于语义重建的动态监督伪装物体检测网络(Dynamic Supervised Camouflaged Object Dete... 伪装物体检测旨在分离视觉上高度融入周围环境的物体,但是物体前景与背景存在大量相似干扰,导致分割过程中易于出现明显错误.针对上述问题,文中提出基于语义重建的动态监督伪装物体检测网络(Dynamic Supervised Camouflaged Object Detection Network with Semantic Reconstruction,DSSRNet),通过重建特征图的空间语义和引入置信度指导网络训练,实现对伪装物体的准确分割.首先,提出空间语义低秩重建机制,精细感知不同尺度下伪装物体具有区分性的语义特征.然后,生成预测置信度图,对分割过程进行动态监督,减少网络因过于自信造成的假阳性和假阴性判断.最后,提出模糊感知损失函数,对网络施加强约束,改善预测时产生的图像模糊问题.在3个具有挑战性的基准数据集上的实验表明,DSSRNet可较好地排除相似信息干扰,取得精准的分割效果. 展开更多
关键词 伪装物体检测 图像分割 空间语义重建 置信度学习 动态监督
下载PDF
基于神经网络的伪装物体边缘检测
2
作者 邵桂芳 卢豪 《厦门大学学报(自然科学版)》 CAS CSCD 北大核心 2023年第4期665-669,共5页
伪装物体检测相较于通用目标检测具有更高的复杂性,其隐藏在周围环境的特性使其检测更具有挑战性.基于伪装物体颜色和纹理与环境相似,但边缘信息与环境不同的特点,提出基于VGG的伪装物体边缘检测模型.为了加快网络训练速度,该模型首先... 伪装物体检测相较于通用目标检测具有更高的复杂性,其隐藏在周围环境的特性使其检测更具有挑战性.基于伪装物体颜色和纹理与环境相似,但边缘信息与环境不同的特点,提出基于VGG的伪装物体边缘检测模型.为了加快网络训练速度,该模型首先对目标图像进行压缩并在VGG中引入降采样;为了充分利用深层和浅层信息,将基于VGG16改进的网络结构划分为5个阶段,不同阶段可以获得不同维度的特征图;为了更好突出伪装物体的边缘特征信息,引入注意力模块加深对伪装物体信息的获取.在伪装物体检测COD10K数据集上进行了实验验证,通过图像相似性评价指标进行衡量,结构相似性度量(SSIM)平均值达到83.72%,表明该方法有良好的伪装物体边缘检测能力. 展开更多
关键词 神经网络 伪装物体 边缘检测 搜索注意力
下载PDF
渐进聚合多尺度场景上下文特征的伪装物体检测 被引量:5
3
作者 刘研 张开华 +2 位作者 樊佳庆 赵雅倩 刘青山 《计算机学报》 EI CAS CSCD 北大核心 2022年第12期2637-2651,共15页
伪装物体检测通过模仿人类的视觉检测机理,实现在复杂场景下对伪装物体的定位与识别.然而,多数伪装物体检测方法在遇到相似外形目标干扰时,仅通过目标的局部表观特征无法准确识别伪装目标.为此,本文提出一种渐进聚合多尺度场景上下文特... 伪装物体检测通过模仿人类的视觉检测机理,实现在复杂场景下对伪装物体的定位与识别.然而,多数伪装物体检测方法在遇到相似外形目标干扰时,仅通过目标的局部表观特征无法准确识别伪装目标.为此,本文提出一种渐进聚合多尺度场景上下文特征的伪装物体检测网络,通过聚合多阶段语义增强的场景上下文特征来实现准确的伪装物体判别.具体来说,所提网络主要包含两个创新设计:U型上下文感知模块和跨级特征聚合模块.前者旨在感知复杂场景中物体的细节轮廓、纹理特征和颜色变化等丰富的局部-全局场景上下文信息.后者则结合坐标方向的注意力和多层级残差渐进特征聚合机制,逐级渐进聚合相邻层级之间的互补特征,实现对伪装物体全局语义的强化和局部细节的补充.本文方法在CHAMELEON、CAMO-Test、COD10K-Test和NC4K等4个非常具有挑战性的基准数据集上进行了评测.评测结果表明,本文方法相比于最新方法达到了领先的性能. 展开更多
关键词 伪装物体检测 场景上下文 深度学习 注意力机制
下载PDF
基于Transformer的伪装物体检测模型
4
作者 唐彬 刘政怡 +1 位作者 张志立 檀亚诚 《合肥学院学报(综合版)》 2022年第2期105-112,共8页
以Transformer主干网络提取特征,探讨分层的特征增强及解码环节。在特征增强方面,提出上下文探索模块和细节注意力提升模块分别增强高层及低层特征;在解码方面,高层递进解码获得准确的位置信息,低层强化边缘细节。所提出的模型在四个数... 以Transformer主干网络提取特征,探讨分层的特征增强及解码环节。在特征增强方面,提出上下文探索模块和细节注意力提升模块分别增强高层及低层特征;在解码方面,高层递进解码获得准确的位置信息,低层强化边缘细节。所提出的模型在四个数据集上验证,超越了已有模型,表明所提出的基于Transformer的模型对于伪装物体检测的有效性。 展开更多
关键词 TRANSFORMER 伪装物体检测 特征增强 边缘增强 注意力
下载PDF
分心感知的伪装物体分割
5
作者 梅海洋 杨鑫 +3 位作者 周运铎 季葛鹏 魏小鹏 范登平 《中国科学:信息科学》 CSCD 北大核心 2024年第3期653-673,共21页
本文致力于设计一个有效且高效的伪装物体分割(camouflaged object segmentation, COS)模型.为此,本文开发了一个生物启发的框架,称为金字塔定位和聚焦网络(pyramid positioning and focus network, PFNet+),其模仿了自然界中的捕食过程... 本文致力于设计一个有效且高效的伪装物体分割(camouflaged object segmentation, COS)模型.为此,本文开发了一个生物启发的框架,称为金字塔定位和聚焦网络(pyramid positioning and focus network, PFNet+),其模仿了自然界中的捕食过程.具体地,本文的PFNet+包含3个关键模块,即上下文增强模块(context enrichment, CEn)、金字塔定位模块(pyramid positioning module, PPM)和聚焦模块(focus module, FM). CEn通过整合上下文信息来增强骨干特征的表征能力,从而提供更有辨别性的骨干特征. PPM模仿捕食中的检测过程,以金字塔的方式从全局的角度定位潜在的目标物体.然后FM执行捕食中的识别过程,通过在歧义区域的聚焦逐步细化初始的预测结果.值得注意的是,在FM中,本文开发了一个新颖的分心挖掘策略,用于分心区域的发现和去除,以提高预测的性能.大量的实验证明本文的PFNet+能够实时运行(56 fps),在4个标准度量指标下, PFNet+在3个具有挑战性的数据集上都显著优于现有的20个最新模型,在其他视觉任务(如息肉分割)上的实验进一步证明了PFNet+的泛化能力. 展开更多
关键词 伪装物体 分心 上下文增强 上下文探索 金字塔 分割
原文传递
基于边缘填充的单兵迷彩伪装小目标检测
6
作者 池盼盼 梅琛楠 +2 位作者 王焰 肖红 钟跃崎 《纺织学报》 EI CAS CSCD 北大核心 2024年第1期112-119,共8页
针对迷彩单兵识别存在伪装对象与背景高度相似融合、目标尺寸小等问题,提出了基于边缘填充的单兵迷彩伪装小目标检测模型BFNet(boundary-filled network)。该网络以SCNet(sparse complex-valued neural network)作为骨干网络,在网络的... 针对迷彩单兵识别存在伪装对象与背景高度相似融合、目标尺寸小等问题,提出了基于边缘填充的单兵迷彩伪装小目标检测模型BFNet(boundary-filled network)。该网络以SCNet(sparse complex-valued neural network)作为骨干网络,在网络的边缘引导阶段,利用边缘先验信息以及边缘的周围环境来挖掘目标信息。在上下文聚合阶段,利用上一级的预测值,使网络学习预测背景与前景的相互关系。实验结果表明:与最先进的BGNet相比,BFNet平均精度提升了0.74%,交并比识别率提升了1.35%,同时自适应E度量、加权F度量以及结构相似度与加权自适应F度量均得到了提高,其中,自适应E度量提升了0.85%,加权F度量提升了0.71%,证明所提出的BFNet能在更大程度上识别出单兵迷彩伪装小目标,且识别精度也得到提升。 展开更多
关键词 单兵迷彩伪装自动检测 伪装物体识别 深度学习 小目标检测 伪装物体分割
下载PDF
Evolutionary implications of deception in mimicry and masquerade 被引量:1
7
作者 Ximena J. NELSON 《Current Zoology》 SCIE CAS CSCD 2014年第1期6-15,共10页
Aggressive mimicry occurs when an organism resembles some aspect of another organism (the model) in order to obtain prey through its deceptive resemblance. This may function either through the overt response of the ... Aggressive mimicry occurs when an organism resembles some aspect of another organism (the model) in order to obtain prey through its deceptive resemblance. This may function either through the overt response of the receiver or through the lack of response of the receiver. Reviewing selected examples, I discuss some of the difficulties in ascribing a model for the mimic. I also discuss how a single animal can have multiple ploys in its armoury of deceptive signals, thus belonging within two or more categories of deceptive signalling. In addition to aggressive mimicry, these may include crypsis or camouflage, mas- querade (mimicry of inanimate objects), and Batesian or protective mimicry. Each of these examples of deception has multiple evolutionary pathways, and some deceptive signals may be more costly to receivers than others, but no single organism is subject to a single selection pressure, leading to the reality that many evolutionary pathways contribute to the diversity we see around us. New technologies are opening new channels of investigation into deceptive signaling in many different sensory modalities, and this is reflected in the recent increase in studies investigating the structure and function of deceptive signals. In turn, these studies are beginning to expose the fascinating complexity of deceptive signaling systems, allowing us to discover the myriad, non-mutually exclusive, solutions that can be selected for to obtain prey 展开更多
关键词 MIMICRY MASQUERADE CRYPSIS Deceptive communication Cleaner fish Pre-existing biases
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部