DRRNet: Macro-Micro Feature Fusion and Dual Reverse Refinement for Camouflaged Object Detection

📄 arXiv: 2505.09168v1 📥 PDF

作者: Jianlin Sun, Xiaolin Fang, Juwei Guan, Dongdong Gui, Teqi Wang, Tongxin Zhu

分类: cs.CV, cs.AI

发布日期: 2025-05-14

🔗 代码/项目: GITHUB

💡 一句话要点

DRRNet：宏微特征融合与双重逆向精炼用于伪装目标检测

🎯 匹配领域: 支柱三：空间感知与语义 (Perception & Semantics)

关键词: 伪装目标检测 宏微特征融合 逆向精炼 上下文信息 局部细节

📋 核心要点

  1. 现有伪装目标检测方法难以兼顾全局语义信息和局部细节，容易丢失边缘细节或受相似背景干扰。
  2. DRRNet通过“上下文-细节-融合-精炼”流程，提取全局伪装模式和局部细节，并进行双重逆向精炼。
  3. 实验结果表明，DRRNet在多个基准数据集上显著超越了现有最先进的方法，提升了伪装目标检测的性能。

📝 摘要（中文）

伪装目标检测（COD）的核心挑战在于目标与背景在颜色、纹理和形状上难以区分的相似性。这导致现有方法要么过度依赖全局语义信息而丢失边缘细节（如毛发状的精细结构），要么在仅依赖局部特征时受到相似背景（如植被图案）的干扰。我们提出了DRRNet，一个四阶段架构，其特点是“上下文-细节-融合-精炼”的流程，以解决这些问题。具体来说，我们引入了全域上下文特征提取模块来捕获全局伪装模式，以及局部细节提取模块来补充全场景上下文模块的微观结构信息。然后，我们设计了一个用于形成场景理解和结构感知双重表示的模块，该模块融合了各种尺度的全景特征和局部特征。在解码器中，我们还引入了一个逆向精炼模块，该模块利用空间边缘先验和频域噪声抑制来对输出执行两阶段的逆向精炼。通过应用两个连续的逆向精炼轮次，该模型有效地抑制了背景干扰并增强了对象边界的连续性。实验结果表明，DRRNet在基准数据集上显著优于最先进的方法。

🔬 方法详解

问题定义：伪装目标检测（COD）旨在识别图像中与背景高度相似的目标。现有方法的痛点在于，过度依赖全局信息会导致边缘细节丢失，而仅依赖局部信息则容易受到相似背景的干扰，难以准确分割伪装目标。

核心思路：DRRNet的核心思路是结合全局上下文信息和局部细节信息，并利用逆向精炼策略来抑制背景干扰和增强目标边界的连续性。通过宏观和微观特征的融合，模型能够更全面地理解场景，从而更准确地定位和分割伪装目标。

技术框架：DRRNet是一个四阶段的架构，包括：1) 全域上下文特征提取模块，用于捕获全局伪装模式；2) 局部细节提取模块，用于补充微观结构信息；3) 特征融合模块，用于形成场景理解和结构感知的双重表示，融合全景特征和局部特征；4) 逆向精炼模块，利用空间边缘先验和频域噪声抑制进行两阶段的逆向精炼。

关键创新：DRRNet的关键创新在于宏微特征融合和双重逆向精炼。宏微特征融合能够同时利用全局上下文和局部细节信息，提高模型对伪装目标的感知能力。双重逆向精炼则能够有效地抑制背景干扰，增强目标边界的连续性，从而提高分割精度。

关键设计：全域上下文特征提取模块和局部细节提取模块的具体网络结构未知。逆向精炼模块利用空间边缘先验和频域噪声抑制的具体实现方式未知。损失函数和训练策略等细节也未知。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

论文提出的DRRNet在多个伪装目标检测基准数据集上取得了显著的性能提升，超越了现有的state-of-the-art方法。具体的性能数据和对比基线在论文中给出，但摘要中未明确提及具体的数值提升。

🎯 应用场景

DRRNet在伪装目标检测领域具有广泛的应用前景，例如在遥感图像分析中识别伪装的军事目标，在医疗图像分析中检测隐藏的病灶，以及在自动驾驶中识别伪装的交通标志等。该研究的实际价值在于提高了伪装目标检测的准确性和鲁棒性，为相关领域的智能化应用提供了技术支持。未来，该方法有望进一步推广到其他视觉任务中，例如图像分割、目标跟踪等。

📄 摘要（原文）

The core challenge in Camouflage Object Detection (COD) lies in the indistinguishable similarity between targets and backgrounds in terms of color, texture, and shape. This causes existing methods to either lose edge details (such as hair-like fine structures) due to over-reliance on global semantic information or be disturbed by similar backgrounds (such as vegetation patterns) when relying solely on local features. We propose DRRNet, a four-stage architecture characterized by a "context-detail-fusion-refinement" pipeline to address these issues. Specifically, we introduce an Omni-Context Feature Extraction Module to capture global camouflage patterns and a Local Detail Extraction Module to supplement microstructural information for the full-scene context module. We then design a module for forming dual representations of scene understanding and structural awareness, which fuses panoramic features and local features across various scales. In the decoder, we also introduce a reverse refinement module that leverages spatial edge priors and frequency-domain noise suppression to perform a two-stage inverse refinement of the output. By applying two successive rounds of inverse refinement, the model effectively suppresses background interference and enhances the continuity of object boundaries. Experimental results demonstrate that DRRNet significantly outperforms state-of-the-art methods on benchmark datasets. Our code is available at https://github.com/jerrySunning/DRRNet.