摘要

伪装物体通常在自然环境中即使对人类来说也难以检测。本文提出了一种新颖的生物启发网络，命名为MirrorNet，该网络利用实例分割和镜像流进行伪装物体分割。与现有的分割网络不同，我们提出的网络具有两个分割流：主流和镜像流，分别对应原始图像及其翻转图像。镜像流的输出随后被融合到主流的结果中，以生成最终的伪装图，从而提高分割精度。我们在公共CAMO数据集上进行了大量实验，证明了所提网络的有效性。我们的方法达到了89%的准确率，超过了现有最先进方法。项目页面：https://sites.google.com/view/ltnghia/research/camo