BriefGPT - AI 论文速递
·
协作伪装对象检测：大规模数据集和基准测试
💡
原文中文，约700字，阅读约需2分钟。
📝
内容提要
该文介绍了CoCOD任务、CoCOD8K数据集和BBNet模型。CoCOD8K数据集包含8528张高质量图像，BBNet模型采用协作特征探索、目标特征搜索和细化模块实现伪装目标检测。实验表明，该方法优于其他竞争方法。
🎯
关键要点
- 该文介绍了协作伪装目标检测（CoCOD）任务。
- CoCOD8K数据集包含8528张高质量图像，带有目标遮罩注释，覆盖5个超类别和70个子类别。
- 数据集涵盖多样的自然和人工伪装场景，具有挑战性。
- 提出了双向分支网络（BBNet）作为CoCOD的首个基准模型。
- BBNet模型通过图像间协作特征探索、图像内目标特征搜索和局部-全球细化模块实现伪装目标检测。
- 在CoCOD8K数据集上对18种最先进的模型进行了性能评估，结果显示所提出方法显著优于其他竞争方法。
- 希望该数据集和模型能够促进COD社区的发展。
➡️
