
제안된 HGINet 모델은 계층적 그래프 상호작용 메커니즘을 통해 눈에 띄지 않는 물체를 효과적으로 발견할 수 있다.


coremsg

계층적-그래프-상호작용-트랜스포머와-동적-토큰-클러스터링을-이용한-위장-물체-탐지


계층적 그래프 상호작용 트랜스포머와 동적 토큰 클러스터링을 이용한 위장 물체 탐지



주파수 정보를 활용하여 배경과 구분되는 위장 물체의 특징을 효과적으로 추출하고 강조함으로써 위장 물체를 정확하게 탐지할 수 있다.



주파수 기반 공간 적응을 통한 위장 물체 탐지



본 논문은 다양한 추가 단서를 활용하여 위장 물체를 정확하게 탐지하는 적응형 안내 학습 네트워크를 제안한다.



적응형 안내 학습을 통한 위장 물체 탐지



단일 브랜치 네트워크 구조를 활용하여 조명 변화에 따른 그림자 정보를 효과적으로 활용함으로써 위장 물체를 정확하게 탐지할 수 있다.



단일 브랜치 네트워크를 활용한 효율적이고 정확한 위장 물체 탐지
