基于多模态对齐融合的车厢部件语义分割算法OA北大核心CSTPCD
车厢部件的定期情况监测是列车安全运行的重要保证之一,基于深度学习的语义分割方法可以用于相关部件的位置形态确定,以便后续进行螺栓和管线是否松动或变形的检查,但这对分割精度有较高的要求。另外,仅基于普通图像的纹理特征难以应对各种实际复杂场景,会出现分割不连续、边缘轮廓不清晰的问题。为此,提出一种基于多模态数据对齐融合的语义分割算法,额外引入车厢深度图来补充普通图像中缺失的几何特征信息,再将两种模态的特征对齐后作为互补的特征融合学习,最终达到准确分割部…查看全部>>
赵梓云;高晓蓉;罗林
西南交通大学物理科学与技术学院,四川成都610031西南交通大学物理科学与技术学院,四川成都610031西南交通大学物理科学与技术学院,四川成都610031
电子信息工程
RGBD语义分割车厢部件多模态特征融合特征对齐螺栓管线注意力机制
《现代电子技术》 2024 (16)
P.150-156,7
评论