基于多级特征融合的伪装目标分割

来源：计算机工程与应用杂志2022年第18期北京时间：

作者：付炳阳, 曹铁勇, 郑云飞, 方正, 王杨, 王烨奎

单位：1.陆军工程大学 指挥控制工程学院，南京 210007；2.陆军炮兵防空兵学院南京校区 火力系，南京 211100；3.安徽省偏振成像与探测重点实验室，合肥 230031；

摘要：在伪装目标分割任务中，如何提取深度模型下高分辨率的目标语义特征是构建目标分割模型的关键。针对此问题，提出了一种基于多级特征融合的伪装目标分割方法。在特征编码过程中，引入多级门控模块对Res2Net-50的多级中间层特征进行选择性融合，有效过滤各级特征图的干扰信息；在解码过程中，通过自交互残差模块驱动不同尺度的编码特征实现交叉融合，获得更准确的目标表示信息。此外，在交叉熵损失的基础上加入Dice损失形成联合损失函数，帮助模型更精准地分割伪装目标。实验结果证明，在背景复杂的迷彩伪装数据集以及三个常用自然伪装数据集上，相比其他典型模型，该模型表现出更好的分割效果。

关键词：深度学习,伪装目标分割,特征融合,门控机制,多尺度特征