PFNet：Camouflaged Object Segmentation with Distraction Mining——论文简述

一、简介

针对伪装目标检测，本论文提出了Positioning and Focus Network (PFNet)，该网络包含两个模块，定位（positioning module，PM）和聚焦（focus module，FM）。其中，定位模块从全局定位目标可能所在的位置，聚焦模块对区域进行识别并消除干扰来完善分割结果。

二、模型

对于一张RGB图像，先用Resnet-50做backbone，提取出的多层特征，再送入四层卷积层减小通道数量；然后通过PM模块定位可能的目标位置；最后通过多个FM模块来发现和移除 false-positive 和 false-negative 的 distractions。

    def __init__(self, backbone_path=None):
        super(PFNet, self).__init__()
        # params

        # backbone
        resnet50 = resnet.resnet50(backbone_path)
        self.layer0 = nn.Sequential(resnet50.conv1, resnet50.bn1, resnet50.relu)
        self.layer1 = nn.Sequential(resnet50.maxpool, resnet50.layer1)
        self.layer2 = resnet50.layer2
        self.layer3 = resnet50.layer3
        self.layer4 = resnet50.layer4

        # channel reduction
        self.cr4 = nn.Sequential(nn.Conv2d(2048, 512, 3, 1, 1), nn.BatchNorm2d(512), nn.ReLU())
        self.cr3 = nn.Sequential(nn.Conv2d(1024, 256, 3, 1, 1), nn.BatchNorm2d(256), nn.ReLU())
        self.cr2 = nn.Sequential(nn.Conv2d(512, 128, 3, 1, 1), nn.BatchNorm2d(128), nn.ReLU())
        self.cr1 = nn.Sequential(nn.Conv2d(256, 64, 3, 1, 1), nn.BatchNorm2d(64), nn.ReLU())

        # positioning
        self.positioning = Positioning(512)

        # focus
        self.focus3 = Focus(256, 512)
        self.focus2 = Focus(128, 256)
        self.focus1 = Focus(64, 128)

        for m in self.modules():
            if isinstance(m, nn.ReLU):
                m.inplace = True

2.1 Positioning Module

PM包括一个 channel attention block 和一个 spatial attention block。

channel attention block中：
通过输入的 C x H x W 的张量 F 获得 k、q、v，在 C 上做attention，i 和 j 的关系是C上的关系，输出得到 F’，对于 F‘ 乘上一个可学习的超参数，并累加一个identify mapping。


spatial attention block中：
首先对 F’ 用1 x 1的卷积改变其通道数来获得q’ 和 k’，v‘ 的通道数不变，在空间上做attention，i 和 j 的关系是位置 N=H x W上的关系，接下来的操作同 CA 类似。

2.2 Focus Module

FM的目的就是发现和消除 false-positive 和 false-negative 的错误预测。

具体步骤见如下代码及注释。

    def forward(self, x, y, in_map):
        # x; current-level features
        # y: higher-level features
        # in_map: higher-level prediction

        up = self.up(y)  # Conv+BN+ReLU+双线性插值上采样

        input_map = self.input_map(in_map)
        f_feature = x * input_map  # foreground-attentive features
        b_feature = x * (1 - input_map)  # background-attentive features

        fp = self.fp(f_feature)  # Context Exploration
        fn = self.fn(b_feature)  # Context Exploration

        refine1 = up - (self.alpha * fp)  # 抑制模糊的背景（false-positive）
        refine1 = self.bn1(refine1)
        refine1 = self.relu1(refine1)

        refine2 = refine1 + (self.beta * fn)  # 增强丢失的目标（false-negative）
        refine2 = self.bn2(refine2)
        refine2 = self.relu2(refine2)

        output_map = self.output_map(refine2)

        return refine2, output_map

其中的Context Exploration Block如下所示。
DConv是膨胀卷积，目的是增加模型的感受野。

通过CE，模型能获得大尺度上感知上下文的特征的能力。

2.3 损失函数

在PFNet中有4个输出的预测值，一个是PM，另外的是FM，

对于PM模块，使用bce和iou损失。

对于FM模块，使用weighted bce和weighted iou损失。

最后的一个总损失即：

三、实验

消融实验：