基于注意力双向增强网络的协同伪装目标检测研究

《Image and Vision Computing》：ABENet: Attention-based bidirectional enhancement network for collaborative camouflaged object detection

本刊推荐：针对复杂背景下多目标干扰导致的协同伪装物体检测(CoCOD)性能不足问题，研究人员开展了基于注意力双向增强网络(ABENet)的研究。通过设计移位协同注意力模块(SCAM)实现跨窗口特征交互，结合门控双向增强模块(GBEM)完成多层次特征融合，在CoCOD8K数据集上超越10种COD方法、7种CoSOD模型和7种CoCOD方法，为复杂场景下的目标检测提供了新思路。

　　

在自然界和军事领域，生物通过伪装术与环境融为一体，给目标检测带来极大挑战。传统伪装目标检测(COD)方法往往只关注单张图像中的目标，忽略了目标之间可能存在的协同伪装行为。当面临多目标干扰和复杂背景时，这些方法的检测性能就会大打折扣。

随着深度学习技术的发展，研究人员开始尝试将协同显著性检测(CoSOD)的思想引入伪装目标检测领域，从而催生了协同伪装目标检测(CoCOD)这一新兴研究方向。CoCOD旨在从多张图像中检测出共同的伪装目标，既保留了COD对低显著性目标的敏感度，又具备了CoSOD的跨图像关联能力。

然而，现有的CoCOD方法仍面临两大技术瓶颈：一是高低层特征之间缺乏有效的协同建模，二是基于局部注意力的机制受限于固定窗口的建模范围。这些问题导致在多重目标、复杂干扰和低对比度场景下的检测性能存在明显瓶颈。

为了解决这些挑战，来自东北石油大学的研究团队在《Image and Vision Computing》上发表了一项创新性研究，提出了基于注意力的双向增强网络(ABENet)。该网络通过两个核心模块——移位协同注意力模块(SCAM)和门控双向增强模块(GBEM)，实现了跨图像语义关联建模和层级特征交互的突破。

在研究过程中，团队采用了PVT_v2_b2作为骨干网络，从四个不同层级提取特征图(f₁到f₄)，通过3×3卷积将各层特征通道统一压缩至32维。SCAM模块引入了移位窗口注意力机制，结合多尺度感受野和通道选择器，有效增强了关键伪装区域的响应能力。GBEM模块则采用门控机制实现高低层特征之间的双向增强，整合上下文语义信息，显著提升了协同伪装目标检测任务的效果和鲁棒性。

研究团队在CoCOD8K数据集上进行了大量实验验证，该数据集包含8528张图像，涵盖陆地、海洋、飞行、两栖和昆虫等5个超类，进一步细分为70个子类。实验结果表明，ABENet在六种常用评估指标上均表现出色，超越了10种先进的COD方法、7种CoSOD模型和7种CoCOD方法。

关键技术方法

研究采用PVT_v2_b2骨干网络提取多阶段特征，通过SCAM模块实现跨窗口信息交互和多尺度特征融合，利用GBEM模块的门控机制完成特征双向增强。实验基于CoCOD8K数据集，涵盖8528张多类别图像，采用六种标准指标进行性能评估。

总体架构

ABENet采用多阶段特征交互和协同注意力机制，有效解决了复杂场景下目标检测中的语义细节碎片化和上下文建模不足问题。网络通过SCAM捕获跨区域协同伪装目标关系，GBEM则负责层级间特征的有效融合，最终形成能够进行精确预测的网络模型。

数据集

研究使用CoCOD8K数据集进行训练和测试，该数据集通过对CHAMELEON、CAMO、COD10K和NC4K四个现有COD数据集进行统一重新标注和结构化构建而成，为模型学习目标特征提供了全面的数据支持。

潜在应用

协同伪装目标检测技术在工业质检、智能交通、医疗影像、野生动物监测和水下生物检测等领域展现出重要应用价值。实验验证表明，该模型在不同应用场景下均能获得满意的检测效果，具有良好的跨领域适应性。

结论和未来工作

ABENet通过SCAM和GBEM模块实现了跨图像语义关联建模和层级特征交互的创新突破。SCAM通过移位窗口注意力机制和多尺度特征融合有效捕获跨区域协同关系，GBEM通过门控权重分配机制增强语义表达。未来工作将探索更高效的跨图像关联机制和轻量化网络设计，以推动协同伪装目标检测技术的实际应用。

这项研究的创新之处在于首次将移位窗口注意力机制与门控双向增强相结合，为复杂场景下的协同目标检测提供了新的技术路径。该方法不仅提升了伪装目标检测的准确率，还为相关领域的技术发展提供了重要参考，在军事侦察、生物监测和工业检测等领域具有广阔的应用前景。