NEU-Seg

新型SPDCN模型提升钢材表面缺陷分割效果

研究人员开发了一种名为SPDCN（基于条状的可变形卷积网络）的新型深度学习模型，以改进钢材表面缺陷的分割。该模型通过引入两个关键创新来解决现有方法在处理细长缺陷时遇到的局限性：用于自适应多尺度信息捕获的模糊增强多尺度上下文模块（FMCM）和与缺陷方向对齐采样网格的自适应方向感知可变形卷积（ADADC）。SPDCN在NEU-Seg基准测试中表现出卓越的性能，在参数量相对较少的情况下实现了89.60%的mIoU。