-
题名一种用于互惠目标检测与实例分割的深层架构
- 1
-
-
作者
宫永超
沈旭昆
-
机构
北京航空航天大学计算机学院
北京航空航天大学虚拟现实技术与系统国家重点实验室
北京航空航天大学新媒体艺术与设计学院
-
出处
《图学学报》
CSCD
北大核心
2024年第4期745-759,共15页
-
文摘
目标检测与实例分割是计算机视觉中2种重要且关系紧密的任务,但其间的关联在大多数工作中还未得到充分的探索。为此,提出了RDSNet,一种用于互惠目标检测与实例分割的深层架构。为了实现这2种任务之间协同优化,设计了一个双流式结构来联合学习目标级别和像素级别的特征表达,分别用于编码目标级别和像素级别的信息,并在双流之间引入了3个模块来实现二者的相互作用,让目标信息辅助实例分割,像素信息辅助目标检测。通过相关模块提供一种计算目标级和像素级特征相似度的手段,以便于驱动属于同一目标的特征尽可能一致,提高实例掩码的精度。裁剪模块利用目标信息为像素级感知引入实例的概念和平移变化性,以便于更准确地区分不同实例和减少背景噪声。为了进一步提高检测框与目标的贴合程度,提出了基于掩码的边界精细化模块来对掩码和检测框做融合,利用掩码的准确性优势修正检测框的误差。在COCO数据集上的大量实验分析和对比证实了RDSNet的有效性和高效性。此外,通过在边界精细化模块引入掩码打分策略,以新的方式实现了实例分割对目标检测的辅助,使RDSNet的性能得到了进一步提升。
-
关键词
目标检测
实例分割
互惠关系
特征表达
边界精细化
-
Keywords
object detection
instance segmentation
reciprocal relation
feature representation
boundary refinement
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于级联网络的钢轨顶面缺陷检测方法研究
被引量：3
- 2
-
-
作者
张晓宇
李立明
柴晓冬
郑树彬
汪晨曦
-
机构
上海工程技术大学城市轨道交通学院
-
出处
《铁道标准设计》
北大核心
2023年第3期90-97,共8页
-
基金
国家自然科学基金项目(51975347,51907117)
上海工程技术大学研究生创新项目(20KY1006)。
-
文摘
长期的高速行驶会引起车辆振动,使钢轨顶面形成孔洞、擦伤和疤痕等各种缺陷,这些缺陷不仅会影响钢轨顶面的外观,还会对钢轨的性能和安全性产生长期不利影响。针对钢轨顶面缺陷类型多变、背景杂乱、对比度低、噪声干扰等因素影响,提出一种基于级联网络的钢轨顶面缺陷检测方法。利用图像垂直微分投影法分割出钢轨顶面区域,在此基础上使用级联网络对钢轨顶面上的疤痕缺陷进行检测。其中,为更好地优化缺陷特征细节,在特征提取阶段引入轻量级的卷积注意力机制模块;采用信道加权模块与残差解码器模块相结合的方式进行缺陷特征恢复;为得到边缘清晰的缺陷对象,在特征恢复之后设计了一个边界精细化网络结构。实验结果表明,该方法的平均绝对误差仅为0.0012,AUC值达到0.9935,单张图片平均检测速度仅为0.041 s,对于Ⅰ型和Ⅱ型钢轨顶面疤痕缺陷的检测精度分别达到98.6%和96.4%。利用该深度学习网络模型能较好地检测出钢轨顶面的疤痕缺陷,具有较高的工程实用价值。
-
关键词
钢轨顶面缺陷检测
级联网络
深度学习
投影法
注意力机制
边界精细化
图像处理
-
Keywords
steel rail top surface defect detection
cascade network
deep learning
projection method
attention mechanism
boundary refinement
image processing
-
分类号
U216.3
[交通运输工程—道路与铁道工程]
-
