计算机科学与探索

作者：余肖生, 陈灿, 李旭, 陈鹏

单位：1. 水电工程智能视觉监测湖北省重点实验室，湖北 宜昌 4430022. 三峡大学 计算机与信息学院，湖北 宜昌 443002

关键词：伪装目标检测,上下文信息,区域先验,多尺度特征

基金：国家重点研究发展计划资助项目（2016YFC0802500）。

基于区域先验的伪装目标检测（COD）模型通常在早期阶段提取目标在图像中的位置信息，通过将目标的位置信息与图像特征相结合，网络能够更加有效地聚焦于目标区域，从而提高检测精度。而在许多具有挑战性的场景中，当前伪装目标检测算法对目标位置信息的提取能力有限，从而导致区域先验不准确甚至目标缺失。为此，提出了一种融合定位图与上下文感知的伪装目标检测网络FLMCA-Net。构建定位模块融合来自主干网络的多尺度特征并从全局、局部两个维度上提取目标的位置信息；设计了感受野增强模块细化不同尺度的特征表示；引入上下文感知融合模块将多尺度特征和目标区域先验充分交互融合并挖掘目标的全局上下文特征。在3个公开数据集上的实验表明，FLMCA-Net相较于其他20种代表性模型均取得了最优表现，比RISNet在[Sα]、[E?]和[Fωβ]方面的性能平均提升了2.5%、1.8%和3.6%。

来源：2026年第1期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2026年第1期