基于框监督方法与纹理的矿石图像高效分割
计算机视觉与模式识别
2023-11-13 v1 图像与视频处理
摘要
图像分割方法已被用于确定破碎矿石的粒度分布。由于工作环境复杂，难以部署高算力计算设备。同时，矿石分布堆叠，难以识别完整特征。为解决该问题，提出了一种带纹理特征的高效框监督技术用于矿石图像分割，可识别完整且独立的矿石。首先，提出 ghost 特征金字塔网络（Ghost-FPN）处理主干提取的特征，以减少复杂网络产生的冗余语义信息与计算量。然后，提出优化检测头以获取特征并保持精度。最后，将 Lab 颜色空间（Lab）与局部二值模式（LBP）纹理特征结合，构成基于融合特征相似度的损失函数，在精度提升的同时无额外损失。在 MS COCO 上的实验表明，所提融合特征在其他类型数据集上也值得研究。大量实验结果证明了该方法的有效性，其以 21.6 MB 的小模型尺寸实现了超过每秒 50 帧的速度。同时，在矿石图像数据集上，与最先进方法相比该方法保持了高准确度。源代码见 \url{https://github.com/MVME-HBUT/OREINST}。
引用
@article{arxiv.2311.05929,
title = {Efficient Segmentation with Texture in Ore Images Based on Box-supervised Approach},
author = {Guodong Sun and Delong Huang and Yuting Peng and Le Cheng and Bo Wu and Yang Zhang},
journal= {arXiv preprint arXiv:2311.05929},
year = {2023}
}
备注
14 pages, 8 figures