李明巖， 吳川*， 朱明

（1.中國科學(xué)院 長春光學(xué)精密機(jī)械與物理研究所， 吉林 長春 130033；2.中國科學(xué)院大學(xué)， 北京 100049）

1 引言

偽裝原本是指動(dòng)物用來隱藏自己或欺騙其他動(dòng)物的一種方法，而偽裝能力通常會影響這些動(dòng)物的生存概率。隨著仿生學(xué)技術(shù)的發(fā)展，偽裝技術(shù)也常被人類應(yīng)用于某些場合，例如現(xiàn)代軍隊(duì)所使用的迷彩。與顯著目標(biāo)檢測（Salient Object Detection， SOD）相比，偽裝目標(biāo)通常與背景具有高度相似性，因此偽裝目標(biāo)檢測（Camouflage Object Detection， COD）更加具有難度。

傳統(tǒng)的方法主要關(guān)注圖像的底層特征（如顏色、紋理、梯度等）來評估物體與背景的差異，基于三維凸度［1］、灰度共生矩陣［2］、Canny邊緣檢測器［3］、光流［4］等方法進(jìn)行偽裝目標(biāo)檢測。這些方法往往只考慮圖像的一部分特征，難以適用于所有場景。近年來，深度學(xué)習(xí)的方法在許多領(lǐng)域展現(xiàn)出優(yōu)異的性能，為一些傳統(tǒng)方法難以處理的問題提供了新的解決方案［5］。在圖像領(lǐng)域，通過卷積神經(jīng)網(wǎng)絡(luò)（Convolution Neural Network，CNN）提取出的深度特征的表示能力要遠(yuǎn)強(qiáng)于圖像的底層特征，因此，研究人員開始嘗試用深度學(xué)習(xí)的方法來解決偽裝目標(biāo)分割的問題。Le等人建立了一個(gè)新的偽裝圖像數(shù)據(jù)集用于基準(zhǔn)測試，并提出了一個(gè)端到端網(wǎng)絡(luò)，其中包括一個(gè)分割分支和另一個(gè)分類分支。分類分支用于預(yù)測圖像包含偽裝對象的概率，隨后用于增強(qiáng)分割分支中的分割性能［6］。Fan等人提出了SINet模型，該模型包含兩個(gè)模塊：搜索模塊定位偽裝目標(biāo)，識別模塊精確檢測偽裝目標(biāo)，同時(shí)建立了首個(gè)大規(guī)模偽裝目標(biāo)數(shù)據(jù)集［7］。Mei等人在偽裝目標(biāo)分割任務(wù)中引入了干擾的概念，開發(fā)了一種新的干擾識別和去除的干擾挖掘方法，幫助對偽裝目標(biāo)的準(zhǔn)確檢測［8］。Zhai等人將特征映射解耦為兩個(gè)特定的任務(wù)：一個(gè)用于粗略地定位對象，另一個(gè)用于準(zhǔn)確地預(yù)測邊緣細(xì)節(jié)，并通過圖迭代推理它們的高階關(guān)系［9］。Li等人提出聯(lián)合訓(xùn)練SOD和COD任務(wù)，利用相互矛盾的信息同時(shí)提高兩個(gè)任務(wù)的表現(xiàn)［10］。

以上模型在多個(gè)偽裝目標(biāo)數(shù)據(jù)集上已經(jīng)取得了較好的效果，但仍存在一些問題：模型的全局建模能力不足，在存在多個(gè)偽裝目標(biāo)且與背景高度相似時(shí)，模型容易出現(xiàn)漏檢和誤檢的問題。其次，這些模型舍棄了較低層次的特征，而較深層次的特征在進(jìn)行數(shù)次下采樣后分辨率迅速下降，雖然減少了計(jì)算量，但同時(shí)也丟失了大量的邊緣等細(xì)節(jié)信息，這也導(dǎo)致了模型的精度下降。最后，這些模型大多使用了極其復(fù)雜的特征融合策略，大幅提高了模型的復(fù)雜度與推理時(shí)間。

針對以上問題，本文提出了一種基于邊緣增強(qiáng)和多級特征融合的偽裝目標(biāo)分割模型。首先，選擇ResNet-50作為骨干網(wǎng)絡(luò)，提取多級深度特征。其次，設(shè)計(jì)了一個(gè)邊緣提取模塊，選擇融合細(xì)節(jié)信息豐富的兩個(gè)較低層級特征，通過網(wǎng)絡(luò)的不斷學(xué)習(xí)，得到精確的邊緣先驗(yàn)。同時(shí)，通過引入多尺度特征增強(qiáng)模塊和跨層級特征聚合模塊，分別在層內(nèi)和層間增強(qiáng)特征表示，彌補(bǔ)多尺度表征能力不足的問題。之后，設(shè)計(jì)了一種簡單但有效的層間注意力模塊，利用相鄰層的差異性，有選擇地篩選出各層級間有用的信息，在保持層內(nèi)語義完整的同時(shí)濾除背景噪聲，再與邊緣先驗(yàn)引導(dǎo)結(jié)合，輸出精確的預(yù)測圖。最后，為了增強(qiáng)網(wǎng)絡(luò)的學(xué)習(xí)能力，本文采用加權(quán)二元交叉熵?fù)p失與加權(quán)IOU（Intersection-Over-Union）損失兩部分作為損失函數(shù)，對3個(gè)不同尺度的輸出預(yù)測同時(shí)進(jìn)行深度監(jiān)督；采用單獨(dú)的加權(quán)二元交叉熵?fù)p失對邊緣預(yù)測圖進(jìn)行監(jiān)督，邊緣的真值可以使用Canny邊緣檢測方法從標(biāo)注圖中得到。本文方法在4個(gè)偽裝目標(biāo)公開數(shù)據(jù)集CHAMELEON［11］、CAMO［6］、COD10K［7］、NC4K［12］上與先進(jìn)的方法進(jìn)行對比實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明，本文方法在所有數(shù)據(jù)集的4個(gè)常用的評價(jià)指標(biāo)上均優(yōu)于其他方法，同時(shí)能夠滿足實(shí)時(shí)性的需要，表明本文方法在偽裝目標(biāo)分割任務(wù)上具有優(yōu)異的性能。

2 本文方法

如圖1所示。對于一幅輸入圖像I∈RH×W×3（其中H為圖像高，W為圖像寬，通道數(shù)為3），采用ResNet-50作為特征提取網(wǎng)絡(luò)［13］，獲得不同尺度的特征fi，i∈{1，2，3，4，5}。首先，使用一個(gè)邊緣提取模塊來顯式地建模邊緣特征，以此指導(dǎo)網(wǎng)絡(luò)學(xué)習(xí)并提升檢測性能。然后，將獲得的多級特征通過多尺度特征增強(qiáng)模塊（Multi-scale Feature Enhanced Module， MFEM）篩選出更具辨識度的特征。增強(qiáng)后的特征圖每3個(gè)層級為1組，同時(shí)輸入到跨層級特征聚合模塊（Cross-level Fusion Module， CFM），有選擇地結(jié)合不同尺度下的有效特征。通過注意力模塊給有價(jià)值的信息以更高的權(quán)重。最后與邊緣信息加以結(jié)合，得到最終的偽裝目標(biāo)分割預(yù)測圖。

圖1 網(wǎng)絡(luò)結(jié)構(gòu)圖Fig.1 Network structure diagram

2.1 邊緣提取模塊

早期的一些相關(guān)工作［14-15］已經(jīng)證實(shí)了邊緣信息有助于提升計(jì)算機(jī)視覺任務(wù)的性能。在偽裝目標(biāo)分割任務(wù)中，由于目標(biāo)與背景的高度相似性，難以清晰地辨別偽裝對象與周圍環(huán)境之間的邊界?，F(xiàn)有的研究表明［16］，通常只有低級特征保留了大量的邊緣細(xì)節(jié)信息，而在經(jīng)過多個(gè)下采樣操作后，細(xì)節(jié)信息會丟失。因此，本文設(shè)計(jì)了一個(gè)邊緣提取模塊，如圖1所示。自ResNet-50中提取出最低兩層的特征分別經(jīng)過兩個(gè)包含3×3卷積、批歸一化（Batch Normalization， BN）及ReLU激活函數(shù)的卷積組，用來保證兩組特征的通道數(shù)一致。然后通過逐元素相乘的方式得到融合的特征表示。將融合后的特征分別與卷積后的特征相加，用來抑制背景噪聲和增強(qiáng)感興趣區(qū)域。增強(qiáng)后的特征再次分別輸入兩個(gè)卷積組，通過拼接和一組1×1卷積進(jìn)行降維，得到全局邊緣引導(dǎo)特征圖fe。最后，將邊緣特征圖通過雙線性上采樣的方式恢復(fù)到與原圖相同的尺寸，用來監(jiān)督學(xué)習(xí)邊緣表示。目標(biāo)邊緣的真值圖可以通過對二值標(biāo)注圖進(jìn)行Canny邊緣檢測得到。

2.2 多尺度特征增強(qiáng)模塊

偽裝目標(biāo)通常具有較大的尺度范圍。每個(gè)單獨(dú)的卷積層只能處理一種特定的尺度，為了從單個(gè)層級獲取多尺度信息以表征尺度的變化，受Inception-V3［17］啟發(fā)，設(shè)計(jì)了一個(gè)多尺度特征融合模塊（MFEM），如圖2所示。對于每個(gè)輸入的特征fi，每個(gè)MFEM包含4個(gè)并聯(lián)的殘差支路和一個(gè)主路。在每個(gè)殘差支路中，首先使用一個(gè)1×1卷積將特征的通道數(shù)降為64。接下來的兩層分別為(2i-1)×1和1×(2i-1)大小的卷積核，i∈{1，2，3，4}。這兩層卷積的串聯(lián)等效于兩個(gè)(2i-1)×(2i-1)大小的卷積核的串聯(lián)，在不影響模塊表征能力的同時(shí)能夠減少計(jì)算的損耗。在支路的最后是一個(gè)膨脹率為(2i-1)，i∈{2，3，4}的3×3卷積層，增大感受野以捕捉細(xì)粒度特征。最后，將4個(gè)支路的特征拼接在一起并通過卷積來保證通道數(shù)一致，拼接后的特征與主路相加后，通過ReLU函數(shù)來獲得輸出特征

圖2 多尺度特征增強(qiáng)模塊Fig.2 Multi-scale feature enhanced module

2.3 跨層級特征聚合模塊

在跨層級特征融合的過程中，如何有效地保持層內(nèi)語義的一致性及利用層間的相關(guān)性是構(gòu)建偽裝目標(biāo)分割網(wǎng)絡(luò)的關(guān)鍵。為此，本文提出了一個(gè)跨層級特征聚合模塊（CFM），如圖3所示。給定一組特征fi-1，fi，fi+1，i∈{2，3，4}，首先將較高層的特征fi+1與中間層特征fi分別經(jīng)過一個(gè)卷積組后進(jìn)行逐元素相乘，其中fi+1在卷積前進(jìn)行一次雙線性上采樣操作以保證維度大小相同。將聚合后的特征再次進(jìn)行上采樣與卷積操作并與較低層特征相乘，得到i∈{2，3，4}。之后，將初步融合后的特征由較高層到較低層逐級進(jìn)行拼接操作。最后，將拼接后的特征矩陣分別經(jīng)過一個(gè)3×3大小的卷積組和一個(gè)1×1大小的卷積核，將通道數(shù)減少為原始通道數(shù)，得到最后的輸出特征ffusei，i∈{2，3，4}。整個(gè)過程定義如式（1）～式（5）所示：

圖3 跨層級特征聚合模塊Fig.3 Cross-level fusion module

其中：Conv↑(· )表示一個(gè)2倍的雙線性上采樣接一個(gè)包含3×3卷積、批歸一化和ReLU函數(shù)的卷積組，Cat(· )表示對括號內(nèi)的兩個(gè)元素進(jìn)行拼接操作，Conv1(· )是一個(gè)單獨(dú)的1×1卷積核。接著，將輸出特征傳入注意力模塊進(jìn)行篩選。

2.4 注意力模塊

通過簡單的拼接或相加的方式融合的特征往往是復(fù)雜且低效的，大量的噪聲及低置信度的信息混雜在一起會對網(wǎng)絡(luò)的學(xué)習(xí)造成巨大的困難。為此，設(shè)計(jì)了一個(gè)簡單的注意力模塊，對CFM融合后的特征進(jìn)一步結(jié)合并篩選，模塊結(jié)構(gòu)圖見圖4。首先將兩組相鄰層級的特征fi，fi+1，i∈{2，3}進(jìn)行卷積處理，再分別通過一個(gè)1×1卷積將通道維度由C降為1。即：

圖4 層間注意力模塊Fig.4 Cross-layer attention module

其中：h、w分別表示特征的高度、寬度兩個(gè)維度的大小，c為通道數(shù)。將處理后的矩陣拼接并在通道維度上進(jìn)行Softmax函數(shù)計(jì)算，可以得到兩個(gè)不同的權(quán)重矩陣將兩個(gè)權(quán)重矩陣分別與對應(yīng)的特征圖相乘，可以得到：

f(x，y)表示該特征矩陣上對應(yīng)于(x，y)位置的元素。其中，ω值越大，表示該位置的信息越應(yīng)該被保留，反之則被舍去。最后，將兩個(gè)特征相加，并經(jīng)過卷積平滑操作，得到最終的輸出結(jié)果：

采用這種注意力機(jī)制可以有效地篩選出各級特征中更有效的信息，抑制噪聲，增強(qiáng)不同尺度特征的表示能力。需要注意的是，由于f4是由較高3個(gè)層的特征聚合得到，在卷積的過程中已經(jīng)被過濾掉了大量的細(xì)節(jié)和噪聲信息，因此將f4不經(jīng)過注意力機(jī)制篩選而直接輸出，即：

最后，將p2、p3、p4分別與全局邊緣引導(dǎo)fe拼接，經(jīng)過1×1卷積降維后，上采樣回原圖尺寸，得到最終的預(yù)測圖P2、P3、P4。其中P2作為最終的預(yù)測結(jié)果用來評估網(wǎng)絡(luò)性能。

2.5 損失函數(shù)

在偽裝目標(biāo)分割過程中，使用了加權(quán)二元交叉熵?fù)p失［18］（weighted binary cross entropy loss，wBCE）及加權(quán)交并比損失［18］（weighted intersection-over-union loss， wIOU）兩部分作為損失函數(shù)。加權(quán)二元交叉熵函數(shù)的公式如式（11）所示：

其中：yi是二元標(biāo)簽0或1，zi為輸出屬于yi標(biāo)簽的概率，wi為權(quán)重向量。加權(quán)交并比損失的公式如式（12）所示：

其中：P為預(yù)測值，G為真實(shí)標(biāo)注值。兩種損失函數(shù)分別計(jì)算全局損失和像素級損失。與標(biāo)準(zhǔn)的損失函數(shù)不同，加權(quán)損失更側(cè)重于給較難的像素更大的權(quán)重，而不是給每個(gè)像素相同的權(quán)重。

基于上述分析，使用聯(lián)合損失函數(shù)對P2、P3、P43個(gè)預(yù)測圖及邊緣預(yù)測圖fe進(jìn)行深度監(jiān)督。整體的損失函數(shù)可以表示為：

其中：Eg表示邊緣標(biāo)注值，可以通過對二元標(biāo)注圖進(jìn)行Canny邊緣檢測得到。pg表示二元標(biāo)注圖。沒有對邊緣使用LwIOU損失函數(shù)監(jiān)督是因?yàn)檫吘夘A(yù)測圖的前景區(qū)域與背景區(qū)域差別過大，可能導(dǎo)致?lián)p失函數(shù)下降不穩(wěn)定。λ1和λ2用來平衡兩個(gè)不同損失函數(shù)對整體損失的貢獻(xiàn)，其中λ1設(shè)置為5，λ2設(shè)置為1。

3 實(shí)驗(yàn)與分析

3.1 數(shù)據(jù)集

我們在4個(gè)通用的偽裝目標(biāo)標(biāo)準(zhǔn)數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)：CHAMELEON［11］是一個(gè)小樣本的偽裝目標(biāo)數(shù)據(jù)集，其中包含76張圖像，每張圖像至少有一個(gè)偽裝目標(biāo)；CAMO［6］包含1 000張用于訓(xùn)練的圖像和250張用于測試的圖像，數(shù)據(jù)集涵蓋了大量自然及人工場景下的偽裝目標(biāo)；COD10K［7］是迄今為止最大的基準(zhǔn)數(shù)據(jù)集，它包含5個(gè)大類和69個(gè)子類，共有3 040張訓(xùn)練圖像和2 026張測試圖像；NC4K［12］是規(guī)模最大的偽裝目標(biāo)測試數(shù)據(jù)集，包含4 121張圖像，可用來評估模型的泛化能力。仿照之前的工作［7］，本文將CAMO的訓(xùn)練集和COD10K的訓(xùn)練集結(jié)合，作為完整的訓(xùn)練數(shù)據(jù)集（其中包含4 040張圖片），并在余下的數(shù)據(jù)集上測試模型的性能。

3.2 評價(jià)指標(biāo)

本文使用了4個(gè)廣泛使用的評價(jià)指標(biāo)：結(jié)構(gòu)性度量（Sα）［19］、E指標(biāo)（E?）［20］、帶權(quán)重的F指標(biāo)［21］及平均絕對誤差（MAE）［22］。

結(jié)構(gòu)性度量（Sα）評估預(yù)測結(jié)果及標(biāo)注圖像之間的區(qū)域級和對象級結(jié)構(gòu)相似性，如式（16）所示：

其中，So和Sr分別表示對象級和區(qū)域級的結(jié)構(gòu)相似性。根據(jù)其他研究中的經(jīng)驗(yàn)［19］，這里的α設(shè)置為0.5。

E指標(biāo)（E?）使用一個(gè)矩陣（?FM）聯(lián)合計(jì)算圖像級的統(tǒng)計(jì)信息和像素級的匹配信息，可以同時(shí)衡量預(yù)測的整體完整性和局部精確性，如式（17）所示：

其中：w表示圖像寬度，h表示圖像寬。

帶權(quán)重的F指標(biāo)定義一個(gè)加權(quán)精度（Pw）和加權(quán)召回率（Rw）來衡量預(yù)測的準(zhǔn)確性和完整性：

其中，β2是一個(gè)平衡系數(shù)，根據(jù)其他研究中的經(jīng)驗(yàn)［21］，β2設(shè)置為0.3。

平均絕對誤差（MAE）用來衡量預(yù)測結(jié)果與標(biāo)注圖像之間的像素級差異，其被廣泛應(yīng)用于各類分割任務(wù)：

為了進(jìn)行公平的對比，我們使用相同的代碼，對不同數(shù)據(jù)集的4種評價(jià)指標(biāo)進(jìn)行計(jì)算。

3.3 實(shí)驗(yàn)細(xì)節(jié)

本文模型基于Pytorch框架構(gòu)建，在NVIDIA GeForce RTX 2080TiGPU上進(jìn)行所有實(shí)驗(yàn)。使用在ImageNet上預(yù)訓(xùn)練的權(quán)重文件初始化ResNet-50骨干網(wǎng)絡(luò)的參數(shù)，其他參數(shù)由網(wǎng)絡(luò)默認(rèn)生成。在訓(xùn)練之前，所有訓(xùn)練圖像及標(biāo)注圖像均被調(diào)整為352×352大小，并且不使用任何數(shù)據(jù)增強(qiáng)策略。批量大小設(shè)置為8并在訓(xùn)練過程中使用了Adam優(yōu)化器，初始的學(xué)習(xí)率設(shè)置為1e-4，并且每30次迭代后，學(xué)習(xí)率除以10，網(wǎng)絡(luò)共訓(xùn)練60輪，大約需要5.5 h。在測試過程中，測試圖像同樣被調(diào)整為352×352大小，隨后輸入網(wǎng)絡(luò)。預(yù)測圖通過雙線性上采樣操作縮放到原始大小以評估結(jié)果。

3.4 實(shí)驗(yàn)結(jié)果及對比

將本文方法與現(xiàn)有的11種COD方法進(jìn)行比較，包括BASNet［23］、EGNet［24］、CPD［16］、F3Net［18］、PraNet［25］、SINet［7］、PFNet［8］、C2FNet［26］、SINetV2［27］、LSR［12］、UGTR［28］。為了公平比較，我們直接使用作者在網(wǎng)絡(luò)上開源的預(yù)測圖，用相同的公式進(jìn)行評估。如果缺少預(yù)測圖，則使用作者提供的預(yù)訓(xùn)練完成的模型生成預(yù)測圖。本文總結(jié)了在4個(gè)數(shù)據(jù)集上不同基線模型的定量結(jié)果。從表1可以看出，本文方法在不同的數(shù)據(jù)集上都優(yōu)于其他模型。

表1 不同模型在4個(gè)數(shù)據(jù)集（CHAMELEON，CAMO-test，COD10k-test，NC4K）上對4種評價(jià)指標(biāo)的定量結(jié)果Tab.1 Quantitative results of different models for four evaluation metrics on four dataset（CHAMELEON，CAMO-test，COD10k-test，NC4K）

為了進(jìn)行更廣泛的對比，本文使用在目標(biāo)檢測領(lǐng)域的YOLOv5模型進(jìn)行分割對比實(shí)驗(yàn)。在訓(xùn)練開始前，所有圖片參照官方代碼庫（https：//github.com/ultralytics/yolov5）的設(shè)置被重新調(diào)整為640×640大小，其他參數(shù)使用默認(rèn)設(shè)置。實(shí)驗(yàn)選取與本文方法參數(shù)量相近的YOLOv5m-seg模型（22.67M）與性能最優(yōu)的YOLOv5x-seg模型，結(jié)果見表1。本文方法在模型大小相近的情況下性能遠(yuǎn)遠(yuǎn)領(lǐng)先YOLOv5m-seg模型，與YOLOv5x-seg模型相比有著巨大的優(yōu)勢。

圖5展示了本文方法與其他模型的視覺對比結(jié)果?？梢钥闯觯诓煌木哂刑魬?zhàn)性的場景下（第1～2行大尺寸偽裝目標(biāo)，第3～4行小偽裝目標(biāo)，第5～6行模糊邊緣），本文方法都能產(chǎn)生優(yōu)于其他模型的預(yù)測圖。在目標(biāo)被部分遮擋的情況下（第7行），該方法也能準(zhǔn)確定位目標(biāo)區(qū)域并產(chǎn)生精確的邊緣細(xì)節(jié)。因此，本文方法相比于其他方法在偽裝目標(biāo)分割任務(wù)中具有更優(yōu)秀的性能。另外，本文提供了本文方法與其他11種模型的P-R曲線和F曲線，如圖6所示。

圖5 本文方法與其他方法的視覺對比Fig.5 Vision comparison of our method with other methods

圖6 10種不同方法在4個(gè)基準(zhǔn)數(shù)據(jù)集上的P-R曲線和F曲線，本文方法為紅色實(shí)線。P-R曲線越接近右上角，F(xiàn)曲線越接近坐標(biāo)系上部，表示模型的性能越好。Fig.6 P-R curves and F-measure curves of 10 different methods on four benchmark datasets. Our method is shown with a solid red line. The closer the P-R curve is to the upper right corner and the higher the F-measure curve is， the better the performance of the model is.

本文方法與其他方法在模型復(fù)雜度、參數(shù)量和實(shí)時(shí)性上也進(jìn)行了對比。所有算法在相同的硬件環(huán)境下（RTX2080Ti顯卡）進(jìn)行實(shí)驗(yàn)。其中浮點(diǎn)運(yùn)算次數(shù)（Floating Point Operations，F(xiàn)LOPs）可用來衡量算法復(fù)雜度，為21.26G；模型參數(shù)量（Parameters，Params）為29.47M；FPS（Frame Per Second）為44.2。為了公平比較，所有模型均使用352×352的圖片計(jì)算。如表2所示，本文方法在提升準(zhǔn)確性的同時(shí)也保證了實(shí)時(shí)性能。

表2 不同模型的速度和模型復(fù)雜度分析Tab.2 Speed and model complexity analysis on multiple models

3.5 消融實(shí)驗(yàn)

為了驗(yàn)證每個(gè)模塊的有效性，本文設(shè)計(jì)了一系列消融實(shí)驗(yàn)，對邊緣提取模塊、多級特征增強(qiáng)模塊（MFEM）、跨層級特征聚合模塊（CFM）、注意力模塊等逐步解耦，以驗(yàn)證其有效性，實(shí)驗(yàn)結(jié)果見表3。為了驗(yàn)證損失函數(shù)及對應(yīng)的超參數(shù)對網(wǎng)絡(luò)性能的影響，本文對一系列不同的超參數(shù)設(shè)置進(jìn)行了定量評價(jià)。

表3 不同模塊的有效性分析Tab.3 Effectiveness analysis of different modules

基線模型選擇一個(gè)類似U-net［29］結(jié)構(gòu)的分割網(wǎng)絡(luò)，編碼器部分為ResNet-50網(wǎng)絡(luò)，解碼器逐級上采樣并與較淺層特征結(jié)合，逐漸恢復(fù)到原尺寸。從表3可以看出，不同的模塊對模型的性能提升都有貢獻(xiàn)：在U-net架構(gòu)基礎(chǔ)上加入多尺度特征增強(qiáng)模塊和跨層級特征聚合模塊后，模型的4個(gè)評價(jià)指標(biāo)、MAE分別提升了4.8%、3.5%、15.7%、11.1%，證明模型的層內(nèi)和層間多尺度特征表達(dá)能力有了一定加強(qiáng)；在此基礎(chǔ)上加入邊緣提取模塊，4個(gè)指標(biāo)進(jìn)一步提升了1.6%、1.8%、4.2%、10%，說明邊緣先驗(yàn)信息在該分割任務(wù)中做出了重要的貢獻(xiàn)；在加入注意力模塊后分別提升了0.006、0.018、0.007，MAE指標(biāo)則下降了0.002。

圖7為逐步解耦各個(gè)子模塊后的可視化效果對比。從圖7（d）可以看出，在去除了邊緣提取模塊后，預(yù)測結(jié)果的邊界存在大量的冗余，一些較復(fù)雜的邊緣結(jié)構(gòu)難以被清晰地分割，說明邊緣提取模塊對目標(biāo)邊界像素的提純至關(guān)重要。多尺度的特征更有利于定位復(fù)雜場景下的偽裝物體，在分別去掉多尺度特征增強(qiáng)模塊（圖7（e））和跨層級特征聚合模塊（圖7（f））后，模型不能準(zhǔn)確地找到目標(biāo)所在的位置，出現(xiàn)了目標(biāo)區(qū)域模糊不清、目標(biāo)結(jié)構(gòu)被錯(cuò)判和偽裝區(qū)域連通性的問題。從圖7（c）和圖7（g）可以看出，注意力模塊對融合后的特征進(jìn)一步去噪，使網(wǎng)絡(luò)更關(guān)注于預(yù)測目標(biāo)區(qū)域，對背景區(qū)域進(jìn)行抑制，目標(biāo)細(xì)節(jié)更明顯，置信度較低的噪聲干擾被去除。

圖7 去除不同模塊的視覺比較Fig.7 Vision comparison of removed different modules

為了分析聯(lián)合損失函數(shù)各參數(shù)對網(wǎng)絡(luò)的影響，按照不同的比例設(shè)置兩部分損失函數(shù)的超參數(shù)（其中λ1為邊緣損失Ledge的比重，λ2為預(yù)測損失Lpred的比重），進(jìn)行對比實(shí)驗(yàn)。根據(jù)表4，模型在給邊緣損失較大權(quán)重時(shí)表現(xiàn)更好，在λ1=5、λ2=1時(shí)效果最好。這表明在網(wǎng)絡(luò)不變的情況下，準(zhǔn)確的邊緣先驗(yàn)?zāi)軌驑O大地提升網(wǎng)絡(luò)的有效性。

表4 兩種損失函數(shù)的比重對網(wǎng)絡(luò)性能的影響Tab.4 Effect of the proportion of the two loss functions on network performance

4 結(jié)論

本文提出了一種基于邊緣增強(qiáng)和特征融合的偽裝目標(biāo)分割網(wǎng)絡(luò)。首先設(shè)計(jì)了一種邊緣提取模塊，有效利用低級特征，產(chǎn)生精確的邊緣先驗(yàn)。其次，采用多尺度特征增強(qiáng)模塊和跨層級特征融合模塊，分別提取層內(nèi)和層間的有效多尺度信息。之后，設(shè)計(jì)了一種簡單有效的層間注意力模塊，對充分融合的特征進(jìn)行再次篩選，去除冗余的背景噪聲干擾。最后，將各層預(yù)測與邊緣先驗(yàn)結(jié)合，生成最后的預(yù)測圖，并采用聯(lián)合損失函數(shù)對不同尺度的預(yù)測圖進(jìn)行聯(lián)合監(jiān)督。本文方法在4個(gè)偽裝目標(biāo)基準(zhǔn)數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)，在4種不同的評價(jià)指標(biāo)上都優(yōu)于其他方法。在視覺對比中，本文方法分割出的預(yù)測圖能夠更好地識別復(fù)雜場景下的偽裝物體，更好地保留了目標(biāo)輪廓，細(xì)節(jié)信息更清晰。因此，本文方法對偽裝目標(biāo)分割有更好的效果。