CamoNAS：面向增强伪装目标检测的神经架构搜索

arXiv cs.AI 论文
camouflage-object-detection neural-architecture-search frequency-aware rgb-frequency-dual-stream wavelet-transform computer-vision object-detection

摘要

介绍了CamoNAS，一种用于伪装目标检测的频率感知多分辨率神经架构搜索框架，在四个基准测试上取得了最先进的结果。

arXiv:2607.01870v1 公告类型：新 摘要：伪装目标检测（COD）旨在定位和分割与周围环境融为一体的物体，由于边缘线索弱且边界不明确，带来了挑战。传统的COD模型依赖于手工设计的架构和多尺度特征融合，这些通常是基于直觉而非系统性搜索。本文介绍了CamoNAS，一种用于COD的频率感知多分辨率神经架构搜索（NAS）框架。CamoNAS自动搜索单元级操作和网络级下采样路径，形成专门用于检测伪装目标的层次化搜索空间。此外，它采用了RGB频率双流架构，其中可学习的小波变换补充了RGB空间流。CamoNAS在四个COD基准测试（CAMO、COD10K、NC4K、CHAMELEON）上取得了最先进的表现，突显了NAS在COD中的有效性。我们的代码可在 https://github.com/rendaweiSIMIT/CamoNAS 获取。
查看原文
查看缓存全文

缓存时间: 2026/07/03 05:46 

# CamoNAS：面向增强伪装目标检测的神经架构搜索
来源：https://arxiv.org/abs/2607.01870
查看PDF (https://arxiv.org/pdf/2607.01870)

> 摘要：伪装目标检测（COD）旨在定位并分割出与背景融为一体的目标，由于边缘线索微弱、边界模糊而面临挑战。传统的 COD 模型依赖手工设计的架构与多尺度特征融合，通常由直觉而非系统搜索驱动。本文提出 CamoNAS，一种面向 COD 的频率感知多分辨率神经架构搜索（NAS）框架。CamoNAS 自动搜索细胞级操作和网络级下采样路径，形成专为检测伪装目标定制的层次化搜索空间。此外，它采用 RGB 频率双流架构，其中可学习的小波变换对 RGB 空间流进行补充。CamoNAS 在四个 COD 基准（CAMO、COD10K、NC4K、CHAMELEON）上达到最先进性能，凸显了 NAS 在 COD 中的有效性。我们的代码可在此网址获取：https://github.com/rendaweiSIMIT/CamoNAS

## 提交历史

来自：任大伟 [查看电子邮件 (https://arxiv.org/show-email/c4d619d8/2607.01870)] **\[v1\]** 2026年7月2日星期四 08:25:51 UTC (3,715 KB)

相似文章

智能体神经架构搜索

arXiv cs.AI

介绍AgentNAS，一种利用大语言模型（LLM）生成初始架构并将其分解为槽位架构的机制，从而为传统神经架构搜索（NAS）定义任务特定的搜索空间，在17项任务中的11项上取得了最先进的结果。

设备端神经架构搜索

arXiv cs.LG

提出了一种轻量级神经架构搜索方法，直接在部署设备上执行，用于近传感器计算。在sEMG手语和故障诊断数据集上进行了验证，提高了准确率并减少了RAM占用。