日前，电气信息工程学院毕洪波课题组的研究成果《D²C-Net: A Dual-branch, Dual-guidance and Cross-refine Network for Camouflaged Object Detection》于2021年4月21日被IEEE Transaction on Industrial Electronics接受录用，东北石油大学为第一完成单位，王康（研究生）为第一作者，导师毕洪波副教授为第二作者以及通信作者。

该研究针对图像伪装物体检测任务提出一种新的深度学习框架——D²C-Net。该框架包含两个主要模块，分别是双分支特征提取模块（Dual-branch Features Extraction, DFE）和逐渐细化的交叉融合模块（Gradually Refined Cross Fusion, GRCF）。DFE模块模仿了人类视觉机制在观察伪装场景的两个阶段。在DFE模块的第一个阶段，利用密集的拼接操作聚合骨干网络生成的多级别特征，并且利用多组扩张卷积扩大感受野。然后利用第一阶段生成的特征图提取双向的指导信息，这对第二阶段的预测起到指导性作用。为了进一步提高模型性能，GRCF模块利用骨干网络对等层特征和DFE模块生成的初始特征通过自细化注意力单元和交叉细化单元进行双重优化。最后，通过五个常用的图像质量评定指标在三个公开的相关数据集上计算，该研究提出的框架性能优于13个最先进的基于深度学习的方法。另外，该研究可以推广到表面缺陷检测以及医疗图像分割等领域，促进人工智能技术在实际应用的落地。

据悉，IEEE Transaction on Industrial Electronics是IEEE旗下的Top期刊，最新影响因子为7.5146，在中科院分区大类学科（工程技术和计算机科学）及其小类学科（自动化与控制系统、工程：电子与电气和仪器仪表）中均为一区Top期刊。