基于多尺度局部视野特征重建的高效预训练模型用于 PCB CT 图像元件分割
计算机视觉与模式识别
2024-05-10 v1
摘要
元件分割是基于计算机断层扫描 (CT) 技术的印制电路板 (PCB) 无损检测的关键步骤。近年来，自监督预训练技术的快速发展使其能够在无需标注样本的情况下获取通用图像特征，进而利用少量标注样本解决下游任务，在 PCB 元件分割中展现出良好潜力。目前，掩码图像建模 (MIM) 预训练模型已初步应用于 PCB CT 图像元件分割。然而，由于过孔、导线和焊盘等 PCB 元件尺寸小且规则，全局视野对于单一元件重建存在冗余，可能损害模型性能。针对此问题，我们提出了一种基于多尺度局部视野特征重建的高效预训练模型，用于 PCB CT 图像元件分割 (EMLR-seg)。该模型首次将教师引导的 MIM 预训练模型引入 PCB CT 图像元件分割，并提出多尺度局部视野提取 (MVE) 模块，通过聚焦局部视野来减少冗余。同时，采用了一个简单的 4-Transformer 块解码器。实验表明，EMLR-seg 在我们提出的 PCB CT 图像数据集上达到了 88.6% 的 mIoU，较基线模型超出 1.2%，且在相同实验条件下训练时间减少了 29.6 小时，降幅达 17.4%，体现了 EMLR-seg 在性能与效率方面的优势。
引用
@article{arxiv.2405.05745,
title = {Efficient Pretraining Model based on Multi-Scale Local Visual Field Feature Reconstruction for PCB CT Image Element Segmentation},
author = {Chen Chen and Kai Qiao and Jie Yang and Jian Chen and Bin Yan},
journal= {arXiv preprint arXiv:2405.05745},
year = {2024}
}