arXiv · 机器人与计算机视觉· Dingning Luo, Shuo Dou, Tong Jiang, Zhenhua Duan, Jiachen Zhu, Xianfeng Li·· 9 天前AI 评分49
SegDis:前景分割后判别类型以解决显著与伪装目标检测难题
SegDis: Foreground Segmentation Followed by Type Discrimination for Salient and Camouflaged Object Detection
AI 导读
SegDis 将输出解耦为显式前景概率与条件类型概率,利用 FLR 提供任务无关支持并通过 RTA 依据前景背景关系细化分配。在 USC12K 数据集上,该模型基于 PVT-v2-B2 架构,参数量约为 USCNet 的八分之一,实现了 68.98% 的前景 mIoU 和 78.35% 的整体 mIoU,显著优于 CSCS(提升 5.75)。
来源:arXiv · 机器人与计算机视觉 · arxiv.org