用于伪装物体检测的双路径多注意力引导特征交互网络

《Engineering Applications of Artificial Intelligence》：Dual-path multiple attention-guided feature interaction network for Camouflaged Object Detection

基于双编码器架构的DMAFI-Net通过跨特征交互、多尺度特征增强和双解码器设计提升伪装目标检测性能，在四个基准数据集上优于24种SOTA方法。

　　在自然界中，伪装是一种普遍的生物进化现象，是许多生物在自然选择环境下生存的关键技能之一。例如，某些蜥蜴和变色龙能够通过改变颜色、纹理和形状，有效地隐藏在环境中，避免被天敌发现。这种自然伪装机制不仅存在于生物界，也广泛应用于人类社会，如穿着迷彩服的士兵、隐藏在背景中的军事设备等。因此，伪装目标检测（Camouflaged Object Detection，COD）成为了一项重要的技术，旨在识别和分割那些与周围环境高度融合的自然或人工伪装对象。COD在农业、工业、医疗等多个领域具有广阔的应用前景，例如农业害虫检测、工业表面缺陷识别以及医学图像分析中的息肉分割等。

随着深度学习技术的快速发展，COD的研究也取得了显著进展。早在2019年，ANet网络的提出标志着深度学习在COD领域的首次应用，而同年发布的CAMO数据集则是专门用于COD任务的首个基准数据集。自此，COD方法不断涌现，许多研究者致力于探索更高效的检测策略。特别是，Fan等人在2020年提出的SINet网络和COD10K数据集，极大地推动了该领域的发展，使其成为计算机视觉研究的热点之一。这些研究不仅验证了深度学习方法在COD任务中的有效性，也促使了更多先进模型的诞生。

尽管深度学习技术在COD任务中取得了重要突破，但当前的模型仍然面临一些挑战。首先，大多数COD方法依赖于单一编码器结构的预训练主干网络，这使得初始提取的特征偏向于全局或局部偏好，从而影响后续的特征建模和整体检测效果。其次，虽然一些研究引入了模块化或辅助流结构来平衡特征偏好，但这些方法往往只关注不同层级特征之间的交互或信息流，忽略了在聚合特征中可能存在的冗余或噪声问题。最后，现有模型通常采用单一解码器结构，这在一些简单场景中可以准确预测目标，但在复杂场景中则容易出现定位不准确、误检或漏检等问题，限制了COD在对检测精度要求较高的应用中的发展。

为了解决上述问题，我们提出了一种新型的双路径多注意力引导的特征交互网络（Dual-Path Multiple Attention-Guided Feature Interaction Network，DMAFI-Net），用于提升COD的检测性能。DMAFI-Net基于CNN和ViT的双编码器结构，通过融合两种编码器的优势，实现更全面的特征提取和建模。该网络由四个主要模块组成：全局与局部特征交互模块（Global and Local Features Interaction Module，GLFI）、特征内部交互（Intra-Feature Interaction Module，IFI）、多尺度特征增强模块（Multi-Scale Feature Enhancement Module，MFE）以及两个解码器，包括基于邻接连接的特征聚合解码器（Neighbor Connection Decoder-based Feature Aggregation Module，NFA）和细化解码器（Refine Decoder）。这些模块共同作用，使得DMAFI-Net能够更准确地识别和分割伪装目标。

GLFI模块的核心功能在于实现全局与局部特征之间的交互与融合。通过引入注意力机制，该模块能够充分挖掘两种编码器之间互补的特征信息，从而生成更全面的特征表示。IFIM模块则专注于特征内部的一致性建模，通过抑制与目标无关的特征信息，增强与目标相关的特征表示，从而提升网络对关键信息的捕捉能力。MFE模块进一步扩展了聚合特征的接收视野，使其能够适应不同尺度的伪装目标。该模块结合了现有的高分辨率增强模块（High-Resolution Feature Enhancement Module，HFEM），通过改进其结构和功能，使得特征增强更加高效和准确。

在特征解码阶段，NFA模块采用邻接连接解码器（Neighbor Connection Decoder，NCD）进行特征聚合，初步定位伪装目标。而细化解码器则通过引入空间和通道双注意力机制，进一步优化解码后的特征表示，提高预测的精度。细化解码器利用聚合后的特征信息作为辅助线索，逐步细化多层级特征，生成更精确的伪装预测结果。这种双路径解码机制不仅提高了特征解码的准确性，还增强了网络对复杂场景的适应能力。

通过在多个COD基准数据集上的实验，DMAFI-Net在五项广泛使用的评估指标中均表现出优越的性能，显著优于24种当前最先进的方法。此外，我们还进行了详细的消融实验，验证了各个模块在提升COD性能中的关键作用。实验结果表明，DMAFI-Net在特征交互、特征建模和特征解码三个关键环节中均实现了显著的性能提升，从而有效解决了现有方法中存在的问题。

在实际应用中，COD技术的准确性对于许多领域至关重要。例如，在农业害虫检测中，准确识别隐藏在作物中的害虫可以有效提高防治效率；在工业缺陷检测中，准确检测隐藏在表面的缺陷可以提升产品质量和安全性；在医学图像分析中，准确分割隐藏在组织中的息肉有助于早期诊断和治疗。因此，DMAFI-Net的提出不仅在技术层面具有重要意义，也对实际应用提供了有力的支持。

在模型设计过程中，我们特别关注了特征交互和特征建模的平衡。通过引入双编码器结构，DMAFI-Net能够同时捕捉全局和局部特征，避免单一编码器结构带来的特征偏差问题。此外，我们设计了多注意力引导的特征交互机制，使得不同层级的特征能够更有效地融合，提高特征表示的丰富性和准确性。这种机制不仅适用于静态图像，还能够适应动态场景中的伪装目标检测需求。

在特征解码阶段，我们采用了双路径解码机制，通过两个解码器的协同作用，实现从粗略定位到精细分割的完整过程。NFA模块负责初步定位，而细化解码器则通过多注意力机制进一步优化预测结果，提高检测精度。这种双路径解码机制不仅提高了网络的鲁棒性，还增强了其在复杂场景中的适应能力。

通过在多个COD数据集上的实验，DMAFI-Net在五项评估指标中均取得了优异的成绩。这些数据集包括CAMO、COD10K、COD10K-13和COD10K-19，涵盖了不同的场景和对象类型。实验结果表明，DMAFI-Net在检测精度、召回率、交并比（IoU）等多个指标上均优于其他方法，验证了其在COD任务中的有效性。此外，消融实验进一步验证了各个模块在提升模型性能中的关键作用，表明DMAFI-Net的结构设计具有较高的可解释性和可扩展性。

在实际应用中，DMAFI-Net的性能提升不仅有助于提高检测效率，还能够降低误检和漏检的概率，从而提高整体系统的可靠性。例如，在农业害虫检测中，DMAFI-Net能够更准确地识别隐藏在作物中的害虫，提高防治效率；在工业缺陷检测中，DMAFI-Net能够更有效地检测隐藏在表面的缺陷，提高产品质量和安全性；在医学图像分析中，DMAFI-Net能够更准确地分割隐藏在组织中的息肉，有助于早期诊断和治疗。

此外，DMAFI-Net的双路径解码机制还能够适应不同应用场景的需求。例如，在需要快速检测的场景中，NFA模块可以提供初步的定位信息，而细化解码器则能够进一步优化预测结果，提高检测精度。这种机制不仅提高了模型的灵活性，还增强了其在复杂场景中的适应能力。

在模型的优化过程中，我们还特别关注了特征内部建模的效率。通过引入多尺度特征增强模块（MFE），DMAFI-Net能够更有效地扩展特征的接收视野，使其能够适应不同尺度的伪装目标。这种机制不仅提高了特征表示的丰富性，还增强了网络对多尺度目标的识别能力。

综上所述，DMAFI-Net的提出为COD任务提供了一种新的解决方案，通过双编码器结构和双路径解码机制，实现了更全面的特征提取和建模。实验结果表明，DMAFI-Net在多个评估指标上均优于当前最先进的方法，验证了其在COD任务中的有效性。此外，该模型的结构设计具有较高的可解释性和可扩展性，能够适应不同应用场景的需求。因此，DMAFI-Net不仅在学术研究中具有重要意义，也对实际应用提供了有力的支持。