문맥 인식 크로스-레벨 융합 네트워크를 이용한 위장 객체 검출

ouflage된 객체 검출(COD)은 객체와 주변 환경 간의 경계 대비가 낮아 어려운 과제입니다. 또한, 위장된 객체의 모양과 크기 등 외관이 크게 다르기 때문에 정확한 COD의 어려움이 더욱 가중됩니다. 본 논문에서는 이러한 도전적인 COD 과제를 해결하기 위해 새로운 문맥 인식 교차 수준 융합 네트워크(Context-aware Cross-level Fusion Network, C2F-Net)를 제안합니다. 구체적으로, 정보가 풍부한 주의력 계수를 사용하여 다수준 특징을 통합하는 주의력 유도 교차 수준 융합 모듈(Attention-induced Cross-level Fusion Module, ACFM)을 제안합니다. 융합된 특징은 이후 제안된 이중 분기 전역 문맥 모듈(Dual-branch Global Context Module, DGCM)에 입력되어 다양한 스케일의 특징 표현을 생성하여 풍부한 전역 문맥 정보를 활용합니다. C2F-Net에서 두 모듈은 캐스케이드 방식으로 고수준 특징에 적용됩니다. 세 개의 널리 사용되는 벤치마크 데이터셋에서 수행된 광범위한 실험 결과, 제안된 C2F-Net이 효과적인 COD 모델이며 기존 최신 모델들을 크게 능가함을 확인할 수 있었습니다. 본 연구의 코드는 다음과 같이 공개되어 있습니다: https://github.com/thograce/C2FNet.