基于深度纹理特征的伪装目标边缘细化检测

为解决传统伪装目标检测(COD)出现的空间信息不完整和目标边界模糊的问题,提出一种基于深度纹理特征的伪装目标边缘细化检测算法。该算法针对目标的纹理差异和边缘细节设计上下文纹理差异放大模块(CTDAM)、特征边界搜寻模块(FBSM)和边界推理模块(BIM)。CTDAM利用全局感受野覆盖和并行多分支混合卷积方式突出被遮挡的伪装目标的纹理差异;在注意力特征融合模块(AFFM)中引入局部注意力和位置通道感知并行注意力指导特征跨层融合,达到平衡局部信息和增强全局上下文语义信息的效果;FBSM利用自注意力机制将低层与高层特征相结合,处理不同边界像素点之间的依赖关系;BIM利用FBSM所提供的边界指导因子,指导融合后的特征推断出真实目标并细化边缘细节。在CAMO、CHAMELEON和COD 10K数据集上利用4个客观评估指标进行定量和定性实验,结果表明,该算法的检测性能优于对比的8种先进算法,在COD 10K数据集上,其平均绝对误差(MAE)达到了0.034。