近日，计算机科学与技术学院2023级电子信息专业研究生乐国文以第一作者在国际声学、语音与信号处理会议（International Conference on Acoustics, Speech and Signal Processing，简称ICASSP, CCF-B会议）上发表研究论文，论文题目为《Semi-supervised Iterative Learning Network for Camouflaged Object Detection》。论文是在我校焦铬教授的指导下完成，衡阳师范学院为第一署名单位。该论文的核心理论是：当前的伪装目标检测（COD）方法严重依赖于具有像素级注释的大规模数据集。我们提出了一种半监督迭代学习网络（SILNet）来解决COD中对大规模像素级注释的依赖。SILNet采用卷积网络和变压器作为编码器的协同训练策略，然后使用二进制门控解码器（BGD）进行特征融合。为了优化标记数据的使用，我们引入了一种最优代表选举机制（OREM）来识别未标记图像的关键序列，指导迭代学习和伪标签生成。为了减少伪标签中的噪声，我们结合了一个远程表示模块（LRM），利用了Mamba的背景建模。实验表明，仅使用10%的标记数据训练的SILNet优于目前的无监督和弱监督方法，其性能可与完全监督模型相媲美。