BriefGPT - AI 论文速递
·
伪装物体检测的半监督双旋转一致性学习方法CamoTeacher
💡
原文中文，约600字，阅读约需2分钟。
📝
内容提要
该文章介绍了协作伪装目标检测（CoCOD）任务及相关数据集和模型。数据集包含8528张高质量图像，模型通过整合共伪装线索实现准确检测。实验结果显示该方法优于其他竞争方法。
🎯
关键要点
- 文章介绍了协作伪装目标检测（CoCOD）任务。
- CoCOD任务旨在从一组相关图像中检测具有相同属性的伪装目标。
- 构建了首个大规模数据集CoCOD8K，包含8528张高质量图像，带有目标遮罩注释。
- 数据集覆盖5个超类别和70个子类别，涵盖多样的伪装场景。
- 提出了首个基准模型双向分支网络（BBNet），用于准确检测伪装目标。
- BBNet通过图像间协作特征探索、图像内目标特征搜索和局部-全局细化模块实现目标检测。
- 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。
➡️
