基于全局多尺度特征融合的伪装目标检测网络童旭巍１张光建１摘要在伪装目标检测中，由于伪装目标的外观与背景相似度极高，很难精确分割伪装目标．针对上下文感知跨级融合网络中，高层次语义信息在向浅层网络融合传递时因被稀释及丢失而导致精度降低的问题，文中提出基于全局多尺度特征融合的伪装目标检测网络．先设计全局增强融合模块，捕捉不同尺度下的上下文信息，再通过不同的融合增强分支，将高层次语义信息输送至浅层网络中，减少多尺度融合过程中特征的丢失．在高层网络中设计定位捕获机制，对伪装目标进行位置信息提取与细化．在浅层网络中对较高分辨率图像进行特征提取与融合，强化高分辨率特征细节信息．在３个基准数据集上的实验表明文中网络性能较优．关键词伪装目标检测，高层次语义信息，特征融合，图像分割引用格式童旭巍，张光建．基于全局多尺度特征融合的伪装目标检测网络．模式识别与人工智能，２０２２，３５（１２）：１１２２－１１３０．ＤＯＩ１０．１６４５１／ｊ．ｃｎｋｉ．ｉｓｓｎ１００３⁃６０５９．２０２２１２００７中图法分类号ＴＰ３９１．４ＣａｍｏｕｆｌａｇｅｄＯｂｊｅｃｔＤｅｔｅｃｔｉｏｎＮｅｔｗｏｒｋＢａｓｅｄｏｎＧｌｏｂａｌＭｕｌｔｉ⁃ｓｃａｌｅＦｅａｔｕｒｅＦｕｓｉｏｎＴＯＮＧＸｕｗｅｉ１，ＺＨＡＮＧＧｕａｎｇｊｉａｎ１ＡＢＳＴＲＡＣＴＩｎｔｈｅｄｅｔｅｃｔｉoｎoｆｃａｍoｕｆｌａｇｅｄoｂｊｅｃｔ，ｉｔｉｓｄｉｆｆｉｃｕｌｔｔoｓｅｇｍｅｎｔｃａｍoｕｆｌａｇｅｄoｂｊｅｃｔａｃｃｕｒａｔｅｌｙｄｕｅｔoｔｈｅｈｉｇｈｓｉｍｉｌａｒｉｔｙｂｅｔｗｅｅｎａｐｐｅａｒａｎｃｅａｎｄｂａｃｋｇｒoｕｎｄｓ．Ｉｎｃoｎｔｅｘｔ⁃ａｗａｒｅｃｒoｓｓ⁃ｌｅｖｅｌｆｕｓｉoｎｎｅｔｗoｒｋ，ｔｈｅｈｉｇｈ⁃ｌｅｖｅｌｓｅｍａｎｔｉｃｉｎｆoｒｍａｔｉoｎｉｓｄｉｌｕｔｅｄａｎｄｌoｓｔｗｈｅｎｉｔｉｓｔｒａｎｓｍｉｔｔｅｄｔoｔｈｅｓｈａｌｌoｗｎｅｔｗoｒｋｆｕｓｉoｎ，ｒｅｓｕｌｔｉｎｇｉｎｔｈｅｒｅｄｕｃｔｉoｎoｆａｃｃｕｒａｃｙ．Ａｉｍｉｎｇａｔｔｈｅｐｒoｂｌｅｍ，ａｎｃａｍoｕｆｌａｇｅｄoｂｊｅｃｔｄｅｔｅｃｔｉoｎ（ＣＯＤ）ｎｅｔｗoｒｋｂａｓｅｄoｎｇｌoｂａｌｍｕｌｔｉ⁃ｓｃａｌｅｆｅａｔｕｒｅｆｕｓｉoｎ（ＧＭＦ２Ｎｅｔ）ｉｓｐｒoｐoｓｅｄ．Ｆｉｒｓｔｌｙ，ｔｈｅｇｌoｂａｌｅｎｈａｎｃｅｄｆｕｓｉoｎｍoｄｕｌｅ...
