将 Segment Anything Model 适配于输电走廊隐患分割
计算机视觉与模式识别
2025-11-27 v2
摘要
输电走廊隐患分割（PTCHS）旨在将输电设备和周围隐患从复杂背景中分离出来，对维护输电安全具有重要意义。最近，Segment Anything Model（SAM）作为一种基础视觉模型出现，并推动了分割任务的边界。然而，SAM 难以处理复杂输电走廊场景中的目标物体，尤其是那些具有精细结构的物体。在本文中，我们提出了 ELE-SAM，将 SAM 适配于 PTCHS 任务。在技术上，我们开发了一个 Context-Aware Prompt Adapter，通过结合全局-局部特征并更关注关键区域来实现更好的提示 token。随后，为了处理复杂背景中具有精细结构的隐患物体，我们设计了一个 High-Fidelity Mask Decoder，利用多粒度掩码特征并将其缩放到更高分辨率。此外，为了训练 ELE-SAM 并推动该领域发展，我们构建了 ELE-40K 基准，这是第一个用于 PTCHS 的大规模真实世界数据集，包含 44,094 个图像-掩码对。在 ELE-40K 上的实验结果表明了 ELE-SAM 的卓越性能，其平均 mIoU 和 mBIoU 性能分别比基线模型提高了 16.8% 和 20.6%。此外，与 HQSeg-44K 上的 state-of-the-art 方法相比，平均 2.9% 的 mIoU 和 3.8% 的 mBIoU 绝对提升进一步验证了我们的方法在高质量通用目标分割上的有效性。源代码和数据集可在 https://github.com/Hhaizee/ELE-SAM 获取。
引用
@article{arxiv.2505.22105,
title = {Adapting Segment Anything Model for Power Transmission Corridor Hazard Segmentation},
author = {Hang Chen and Maoyuan Ye and Peng Yang and Haibin He and Juhua Liu and Bo Du},
journal= {arXiv preprint arXiv:2505.22105},
year = {2025}
}