[论文解读] Concealed Object Detection
本文首次对隐蔽目标检测（COD）进行了全面研究，提出了大规模的COD10K数据集，包含10,000张图像和78个类别的丰富标注。提出SINet网络，一种简单而高效的搜索与识别网络，在所有基准COD数据集上均达到最先进性能，优于12种先进的基线方法，且无需复杂组件。
We present the first systematic study on concealed object detection (COD), which aims to identify objects that are "perfectly" embedded in their background. The high intrinsic similarities between the concealed objects and their background make COD far more challenging than traditional object detection/segmentation. To better understand this task, we collect a large-scale dataset, called COD10K, which consists of 10,000 images covering concealed objects in diverse real-world scenarios from 78 object categories. Further, we provide rich annotations including object categories, object boundaries, challenging attributes, object-level labels, and instance-level annotations. Our COD10K is the largest COD dataset to date, with the richest annotations, which enables comprehensive concealed object understanding and can even be used to help progress several other vision tasks, such as detection, segmentation, classification, etc. Motivated by how animals hunt in the wild, we also design a simple but strong baseline for COD, termed the Search Identification Network (SINet). Without any bells and whistles, SINet outperforms 12 cutting-edge baselines on all datasets tested, making them robust, general architectures that could serve as catalysts for future research in COD. Finally, we provide some interesting findings and highlight several potential applications and future directions. To spark research in this new field, our code, dataset, and online demo are available on our project page: http://mmcheng.net/cod.
研究动机与目标
- 为解决计算机视觉中隐蔽目标检测（COD）这一关键但研究不足的任务缺乏大规模、密集标注数据集的问题。
- 通过引入包含类别、边界框、实例掩码、属性和抠图级别标签的丰富标注新数据集，建立COD的标准化基准。
- 开发一种鲁棒且可泛化的深度学习框架用于COD，其性能优于现有最先进方法。
- 探索利用动物启发的搜索与识别策略检测视觉伪装目标的可行性。
- 通过识别十个开放研究方向（包括多模态检测、通用网络和神经架构搜索）激发未来研究。
提出的方法
- 提出COD10K，一个包含10,000张真实世界图像的大规模数据集，涵盖78个物体类别，标注内容包括类别、边界框、物体级掩码、实例级掩码、边缘图以及具有挑战性的属性（如形状复杂度、遮挡、边界模糊）。
- 提出SINet，一种简单但强大的端到端网络，其搜索与识别策略受动物觅食行为启发，采用双分支结构，先定位潜在区域，再精炼分割结果。
- 采用多层次监督策略，在不同阶段引入辅助监督，以增强特征学习并提高掩码预测精度。
- 在训练中结合交叉熵损失与Dice损失，实现对密集预测任务（如实例分割）的更好优化。
- 在COD10K的一个子集上应用自监督预训练策略，以提升泛化能力，尤其在低资源场景下表现更优。
- 在多个现有COD基准上验证该框架，证明其在多样化真实场景中具有强大的泛化能力和鲁棒性。
实验结果
研究问题
- RQ1如何构建一个大规模、密集标注的隐蔽目标检测数据集，以支持全面的基准测试与模型评估？
- RQ2一个简单、端到端的深度学习框架是否能在不使用复杂架构组件的情况下，超越复杂最先进的模型在隐蔽目标检测中的表现？
- RQ3受动物狩猎行为启发的搜索与识别策略，在高度伪装目标上的检测性能提升程度如何？
- RQ4哪些关键属性使隐蔽目标检测尤其具有挑战性，它们如何影响模型性能？
- RQ5在突破当前局限性方面，未来最值得探索的研究方向是什么？
主要发现
- SINet在所有测试的COD数据集上均达到最先进性能，所有评估指标（包括F-measure、平均Dice和平均IoU）均优于12种前沿基线方法。
- SINet中的搜索与识别策略被证明极为有效，表明两阶段方法——先搜索候选区域，再精确定位边界——相比单阶段检测能取得更优结果。
- COD10K数据集包含10,000张图像，标注丰富，包括抠图级别标签，每张图像的标注耗时约60分钟，确保了高质量的监督信号。
- 数据集涵盖陆生、两栖、飞行和水生等类型的78种多样化物体类别，具有如形状复杂度、遮挡和边界模糊等具有挑战性的属性。
- SINet仅用4小时训练时间即实现高性能，表明其具有高效率和在真实场景中部署的实用性。
- 本研究发现，当前显著目标检测模型在隐蔽目标上的泛化能力较差，凸显了开发专用COD框架与数据集的必要性。
更好的研究，从现在开始
从阅读论文到最终审阅，大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成，并经人工编辑审核。