伪装目标检测：发展与挑战

来源：计算机工程与应用杂志2025年第7期北京时间：

作者：陈宇, 权冀川

单位：1.中国人民解放军陆军工程大学 研究生院，南京 210001；2.中国人民解放军陆军工程大学 指挥控制工程学院，南京 210001

摘要：伪装目标检测（camouflaged object detection，COD）是计算机视觉领域的一项挑战性任务，致力于识别那些与周围环境高度融合、伪装或隐蔽的目标，主要分为基于手工特征和基于深度学习2种范式。研究人员从单一特征和多特征融合2个角度分析了26种基于手工特征的方法；按发表年份和任务类型梳理了131个在2019年至2024年第二季度期间提出的深度COD模型来揭示其发展现状；基于3种模型调用模式和3类工作方式，分别详细分析了各类深度COD方法的优势与不足；总结了COD的常用数据集、数据增强技术和评价指标，并基于实验对27种前沿的图像级深度COD模型进行了性能评估。基于上述研究探讨了伪装目标检测面临的挑战和未来的发展方向。

关键词：伪装目标检测,手工特征,深度学习,数据增强