MirrorNet : Segmentation d'objets camouflés inspirée par la biologie

Les objets camouflés sont généralement difficiles à détecter dans leur environnement naturel, même pour les êtres humains. Dans cet article, nous proposons un nouveau réseau bio-inspiré, nommé MirrorNet, qui utilise à la fois la segmentation d'instances et le flux miroir pour la segmentation des objets camouflés. Contrairement aux réseaux existants pour la segmentation, notre réseau proposé possède deux flux de segmentation : le flux principal et le flux miroir correspondant respectivement à l'image originale et à son image inversée. La sortie du flux miroir est ensuite fusionnée avec le résultat du flux principal pour obtenir la carte finale de camouflage, ce qui améliore considérablement la précision de la segmentation. De nombreuses expériences menées sur l'ensemble de données public CAMO ont démontré l'efficacité de notre réseau proposé. Notre méthode atteint une précision de 89 %, surpassant les méthodes de pointe actuelles.Page du projet : https://sites.google.com/view/ltnghia/research/camo