基于集中注意力接受场网络的偏振成像伪装目标检测

作     者：徐国明 陈奇志 刘綦 马健 王峰 

作者机构：安徽大学农业生态大数据分析与应用技术国家地方联合工程研究中心 安徽大学互联网学院 偏振光成像探测技术安徽省重点实验室 

出 版 物：《计算机应用研究》 (Application Research of Computers)

年 卷 期：2024年

学科分类：070207[理学-光学] 07[理学] 08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 0702[理学-物理学] 

基　　金：国家自然科学基金资助项目(61906118,62273001) 安徽省重大专项(202003A06020016) 安徽省自然科学基金资助项目(1908085MF208,2108085MF230) 陆军装备部“十三五”预研子课题 安徽省高校自然科学研究重点项目(KJ2019A0906) 

主　　题：偏振成像 伪装目标分割 机器视觉 卷积神经网络 数据集 

摘      要：针对伪装物体分割中图像识别鲁棒性较差，模型泛化性不强的问题，受神经科学中人类视觉系统接受场结构的启发，提出一种基于集中注意力接受场网络的偏振成像伪装目标检测方法。根据偏振成像目标探测需要，构建了能有效遏制背景噪声以及获取目标细节特征的偏振成像数据集。方法基于识别与定位网络框架，通过改进特征提取模块和解码器模块，该模块利用了偏心度和感受野大小之间的关系，涵盖多尺度的目标信息，可以有效提高伪装目标特征的可分辨性和鲁棒性。实验验证利用自建数据集在多个典型目标上进行，并与经典算法进行分割结果的主观视觉与客观评价指标对比，对比实验结果验证了本分方法的有效性。