伪装目标检测论文备忘录 _卷积

论文地址：
1.整体结构：
框架主要包括两个模块：搜索模块 (, SM) 和识别模块 ( , IM) 。前者负责搜索被伪装的物体，而后者则用于精确检测物体。
2. 搜索模块（，SM）
本文在搜索阶段（通常是在较小的、局部空间中）使用 RF模块来整合更具鉴别性的特征表示。具体而言，对于输入图像 I∈R W×H×3，可利用模型提取出一组特征 {Xk} 4 k=0 。为了保留更多信息，本文将第二层特征层的步长参数设置为 1，使其和输入图像具有相同的分辨率。因此，每一层分辨率为 {[ H k , W k ], k = 4, 4, 8, 16, 32}。最新研究显示，更浅的卷积层中的低级特征保留了用于构建物体边缘的空间信息，而深层的深层卷积层的特征保留了用于定位目标的语义信息。由于神经网络本身的固有的特性，本文将提取的特征进行分层：低层 {X0, X1}，中层 X2 和高层 {X3, X4}，并通过拼接、上采样和下采样等操作进行组合。与 [79] 不同，本文的 SINet 采用稠密连接策略 [27] 来保存来自不同特征层的更多信息，然后使用改进的 RF [42] 组件来扩大感受野。例如，先使用拼接操作来融合低级特征 {X0, X1}，然后将分辨率下采样为原始一半。再将融合后的新特征 rf x1x2 4 进一步输入到 RF 组件生成 rf s 4 特征。

文章插图
RF模块的前世解读：
RF的灵感来源于
群智感受野（pRF）属性的规律。（A）pRF大小可以看作人类视网膜图中偏心率的函数，其中两个趋势是明显的：（1）pRF大小随着每个图中的偏心率而增加，以及（2）图之间的pRF大小有差异。（B）基于（A）中的参数的pRF的空间阵列:每个圆的半径是在适当的偏心率下的表观RF尺寸。
翻译一下就是：人视野的一个特点，离视线中心越远，人的感受野越大，越靠近视线中间，人感受野越小；人对不同物体的感受野大小不同

文章插图
通过将多个分支与不同的卷积核和膨胀卷积组合来构建RFB模块。多个卷积核类似于不同大小的pRF，而膨胀卷积为每个分支分配单独的偏心率以模拟pRF的大小和偏心率之间的比率。通过将所有分支合并进行1*1卷积变换，产生RF的最终空间阵列，其机理类似于上边所示的人类视觉系统
【伪装目标检测论文备忘录】3.识别模块 (（ , IM)
本文采用密集连接方式对部分解码组件 (，PDC) 进行了扩展。具体来讲，PDC 整合了来自 SM 的四个特征层。可通过以下公式来计算粗糙的伪装图 Cs： Cs = P Ds(rf s 1 , rf s 2 , rf s 3 , rf s 4 ), (1) 其中 {rf s k = rfk, k = 1, 2, 3, 4} 。现有文献已表明，注意力机制可以有效地消除无关特征的干扰。因此引入搜索注意力 (，SA) 模块来增强中间特征层 X2 并获得增强的伪装图 Ch： Ch = fmax(g(X2, σ, λ), Cs), (2) 其中 g(·) 是 SA 函数，即为典型的归一化后的高斯滤波器，其标准差为：σ = 32，核尺寸为：λ = 4，fmax(·) 是一个最大化函数，用来突出伪装图 Cs 初始的伪装区域。为了全面获取高层特征，本文进一步使用 PDC 来聚合另外三层的特征，并通过 RF 进行增强，以获得最终的伪装图 Ci： Ci = P Di(rfi 1 , rfi 2 , rfi 3 ), (3)
PDC到SA再到PDC模块的结构与下图思路相似：
参考博客：