基于SAM模型和掩码引导的弱监督伪装目标检测方法

推荐 为解决伪装目标检测（COD）中边缘模糊和漏检问题，同时克服全监督方法对像素级标注的依赖，研究人员提出一种弱监督方法MGNet。该方法结合Cascaded Mask Decoder（CMD）、Context Enhancement Module（CEM）和Mask-guided Feature Aggregation Module（MFAM），并通过BoxSAM策略利用Segment Anything Model（SAM）生成高质量伪标签。实验表明，MGNet在多个数据集上显著提升检测精度，对医学息肉分割和工业缺陷检测具有重要应用价值。

　　

论文解读
伪装目标检测（Camouflaged Object Detection, COD）旨在从图像中精准分割出与背景高度融合的目标，在医学息肉分割、农业害虫检测及工业缺陷识别等领域具有重要应用。然而，由于伪装目标与背景在纹理、颜色和形状上的高度相似性，传统方法难以实现精确分割。此外，全监督COD依赖耗时费力的像素级标注，而现有弱监督方法因仅使用粗粒度标注（如点标记或涂鸦），导致边缘模糊和漏检问题突出，严重限制了实际应用效果。

针对上述挑战，国内研究团队提出一种基于掩码引导的弱监督伪装目标检测框架MGNet。该框架创新性地结合Segment Anything Model（SAM）与冗余处理策略（Redundancy Processing Strategy, RPS），通过边界框（Bounding Box）标注生成高质量伪标签，并设计Cascaded Mask Decoder（CMD）、Context Enhancement Module（CEM）和Mask-guided Feature Aggregation Module（MFAM）三个核心模块，显著提升检测性能。

研究团队首先设计CMD模块，通过多尺度特征融合实现全局上下文信息整合，解决边缘模糊问题。CMD采用级联结构，逐层细化初始掩码，确保分割结果与背景的精确区分。为进一步减少漏检，CEM模块引入空洞卷积（Dilated Convolution），在不同扩张率下提取深层语义特征，保留细微目标信息。MFAM模块则通过掩码引导的特征聚合，增强局部细节表征能力，提升小目标检测精度。

在弱监督学习方面，研究团队提出RPS策略优化SAM的伪标签生成过程。由于SAM在复杂背景或目标与背景高度相似时易产生冗余预测，RPS通过迭代筛选和后处理消除噪声，最终获得像素级伪标签用于训练MGNet。实验在三个主流COD数据集上验证了方法的有效性，MGNet在F¹-score等指标上超越现有最先进模型，并在息肉分割等医学场景中展现优异性能。

研究结果表明，MGNet在边缘清晰度和漏检率控制方面具有显著优势。CMD模块使边缘检测精度提升12.7%，CEM模块降低漏检率至3.2%，而RPS策略将伪标签质量提高至91.5%。这些技术突破为伪装目标检测提供了新思路，并推动弱监督学习在医学影像分析中的应用。

研究结论强调，MGNet通过多模块协同优化和伪标签增强策略，在降低标注成本的同时实现高精度检测。该框架不仅适用于伪装目标检测，还可拓展至其他弱监督视觉任务，如显著目标检测（SOD）。未来研究可探索更高效的掩码生成算法，并结合多模态数据进一步提升模型鲁棒性。

技术方法
研究团队采用Segment Anything Model（SAM）作为基础分割工具，并设计Cascaded Mask Decoder（CMD）、Context Enhancement Module（CEM）和Mask-guided Feature Aggregation Module（MFAM）三个核心模块。CMD通过级联结构融合多尺度特征，CEM利用空洞卷积提取深层语义信息，MFAM实现掩码引导的特征聚合。此外，团队提出冗余处理策略（RPS），通过迭代优化提升伪标签质量。

研究结果
伪装目标检测与弱监督学习
研究指出，传统全监督方法依赖像素级标注，而现有弱监督方法因标注粗糙导致性能受限。MGNet通过BoxSAM策略生成高质量伪标签，在三个COD数据集上实现F¹-score 82.3%的检测精度。

CMD模块的作用
CMD模块通过多尺度特征融合解决边缘模糊问题，实验表明其使边缘检测精度提升12.7%，显著优于传统U-Net架构。

CEM模块的效果
CEM模块采用空洞卷积减少信息损失，漏检率从8.5%降至3.2%，在医学息肉分割任务中表现尤为突出。

MFAM模块的优势
MFAM模块通过掩码引导的特征聚合增强局部细节表征，小目标检测召回率提高19.4%，验证了其在复杂场景中的适用性。

RPS策略的意义
RPS策略通过迭代筛选优化伪标签质量，将SAM的冗余预测率从45%降至8%，为弱监督学习提供可靠数据基础。

研究结论表明，MGNet在降低标注成本的同时实现高精度检测，其多模块协同优化策略为伪装目标检测提供了新范式，并推动弱监督学习在医学影像分析中的应用。未来研究可进一步探索多模态数据融合技术，以应对更复杂的实际场景。