基于改进SAM模型的多任务轨道缺陷检测方法OA北大核心CSTPCD
Multi-task track defect detection method based on improved SAM model
轨道缺陷检测是保障轨道交通安全运维的关键任务,现有的基于机器视觉的检测方法主要针对轨道图像进行分割,存在模型时间复杂度高、背景噪点干扰大、分割效果不佳等问题.针对以上问题,提出一种改进Segment Anything Model(SAM)的多任务图像分割模型(Multi-Task Advanced SAM,MASAM),有效地提高了训练效率和缺陷分割准确率.首先,通过目标检测模块来确定缺陷目标范围,获取目标边界坐标;其次,将目标边界坐标转换为稀疏…查看全部>>
Track defect detection is a critical task for ensuring the safe operation and maintenance of rail transportation.Existing machine vision-based detection methods mainly focus on segmentation of railway images,which have high model time complexity,serious background noise interference and poor segmentation effects.This paper proposes an improved multi-task image segmentation model based on Segment Anything Model(Multi-Task Advanced SAM,MASAM)to effective…查看全部>>
陶攀;方宇;王欣;杨梅;闵帆;胡玲
西南石油大学计算机与软件学院,成都,610500西南石油大学计算机与软件学院,成都,610500||西南交通大学计算机与人工智能学院,成都,611756西南石油大学计算机与软件学院,成都,610500西南石油大学计算机与软件学院,成都,610500西南石油大学计算机与软件学院,成都,610500西南石油大学计算机与软件学院,成都,610500
计算机与自动化
轨道缺陷检测SAM多任务图像分割目标检测
track defect detectionSAMmulti-taskimage segmentationobject detection
《南京大学学报（自然科学版）》 2024 (5)
776-784,9
国家自然科学基金(62176221,62276215,62276218,62272398),中央引导地方科技发展专项(2021ZYD0003),2021年第二批产学合作协同育人项目(202102211111),南充市-西南石油大学市校科技战略合作专项资金(23XNSYSX0084,23XN-SYSX0062),西南石油大学2021年一流本科课程培育建设项目(X2021YLKC035)
评论