一种基于定位和非对称补偿的伪装目标分割方法

伪装是欺骗观察者感知系统的一种手段, 善于伪装的个体在纹理特征上与背景具有高度的相似性。为解决前景与背景因相似而导致的像素归属歧义, 提出一种基于定位和补偿网络(locating and compensation network, LCNet)的伪装目标分割网络。该方法效仿了捕食者从搜索→确立→聚焦的寻猎过程, 涵盖双主干网的强感知提取、定位模块的双注意力以及级联的非对称补偿模块的细化像素模糊。实验表明, 在4种评价指标下, LCNet在3个具有挑战的伪装数据集上都显著优于现有的6种最新模型, 具有较高分割性能。