PulseAugur
中
实时 22:24:46
English(EN) LPCAN: Lightweight Pyramid Cross-Attention Network for Rail Surface Defect Detection Using RGB-D Data

新型LPCANet模型利用RGB-D数据增强铁路缺陷检测能力

作者 PulseAugur 编辑部 · [1 个来源] ·

一篇研究论文介绍了一种新颖的轻量级金字塔交叉注意力网络LPCANet，该网络专为使用RGB-D数据进行高效准确的铁路表面缺陷检测而设计。该网络集成了MobileNetv2用于RGB特征提取，一个金字塔模块用于深度处理，以及一个交叉注意力机制用于多模态融合。在多个数据集上的评估表明，LPCANet在参数量显著减少且推理速度更高的情况下，取得了比现有方法更优的性能。该论文还验证了该模型在非铁路数据集上的泛化能力。 AI

影响 该模型可以提高工业缺陷检测系统的效率和准确性。

排序理由 该项目是一篇研究论文，详细介绍了一个新模型及其在特定数据集上的性能。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新型LPCANet模型利用RGB-D数据增强铁路缺陷检测能力

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Jackie Alex, Guoqiang Huan ·

    LPCAN：一种用于RGB-D数据铁路表面缺陷检测的轻量级金字塔交叉注意力网络

    arXiv:2601.09118v2 Announce Type: replace Abstract: This paper addresses the limitations of current vision-based rail defect detection methods, including high computational complexity, excessive parameter counts, and suboptimal accuracy. We propose a Lightweight Pyramid Cross-Att…

相关实体

相关话题