Year: 2025
Type: article
Abstract: 针对变电站内设备繁多且形状复杂、不同设备遮挡重叠使分割模型对各实例边缘特征提取困难，进而导致分割精度低的问题，提出一种基于差分3D U-Net的三维实例分割模型DiffSegNet。首先，提出一种体素视图增强模块，通过结合双视图投影的交叉注意力机制来增强体素特征，提高模型在三维空间中的感知能力。其次，构建一种高频敏感的差分特征融合模块来强化模型对实例边缘特征的学习。最后，设计一种深度融合模块来聚合深层语义特征和浅层结构特征以提升模型语义辨别能力。实验结果表明，所提模型在自建电力场景和ScanNet数据集上平均精度均值达到66.58%和70.29%，相比主流模型精度有明显提升，具有更好的工程应用价值。
Source: Laser & Optoelectronics Progress
DOI: 10.3788/lop241869
Authors: 杨罡 Yang Gang, 张娜 Zhang Na, 胡帆 Hu Fan, 俞华 Yu Hua
Language: English
Subfield: Computer Vision and Pattern Recognition
Field: Computer Science
Domain: Physical Sciences
Open Access status: bronze
OpenAlex ID: W4409203702