위장 대상 분할 작업은 배경과 매우 유사한 대상을 픽셀 단위 분할 마스크를 사용하여 정확하게 분류하고 위치를 파악하는 것으로, 전통적인 대상 분할 작업에 비해 더 도전적인 문제입니다. 대상과 주변 환경이 매우 유사하고 경계가 흐릿하며 대비가 낮은 문제를 해결하기 위해, 경계 강화와 특징 융합에 기반한 위장 대상 분할 방법을 제안했습니다. 먼저, 보다 정확하게 유효한 경계 정보를 분할할 수 있는 경계 추출 모듈 세트를 설계하였습니다. 이후 다중 스케일 특징 강화 모듈과 계층 간 특징 통합 모듈을 도입하여, 각각 계층 내 및 계층 간 다중 스케일 문맥 정보를 탐색했습니다. 인접 계층 간의 차이를 이용하여 융합 후 존재하는 방해 정보를 효과적으로 제거하는 간단한 계층 간 주의 모듈을 제안했습니다. 마지막으로 각 단계 특징 맵을 경계 선행 정보와 단계별로 결합하여 정확한 예측 결과를 얻었습니다. 실험 결과, 4개의 위장 대상 벤치마크 데이터셋에서 이 모델이 다른 알고리즘보다 우수한 성능을 보였습니다. 가중치 F 값이 2.4% 향상되었고, 평균 절대 오차는 7.2% 감소했으며, RTX 2080Ti 하드웨어 환경에서 분할 속도가 44.2 FPS에 도달했습니다. 기존 방법과 비교했을 때, 본 알고리즘은 위장 대상을 더 정확하게 분할할 수 있습니다.

딥러닝;위장 대상;이미지 분할;경계 특징;특징 융합