FusionSort：基于高级解码和综合模态优化的增强杂乱废物分割
计算机视觉与模式识别
2025-08-28 v1
摘要
在废物管理领域，自动化对不可生物降解材料的分类由于废物流的复杂性和可变性， presents considerable挑战。为应对这些挑战，我们引入了一个增强的神经网络架构，基于现有的编码器-解码器结构，以提高废物分类系统的准确性和效率。我们的模型整合了几个关键创新：解码器中的综合注意力块，通过结合卷积和上采样操作来细化特征表示；并行地，我们利用Mamba架构中的注意力，提供额外的性能提升。我们还引入了数据融合块，将超过三个通道的图像进行融合。为此，我们应用PCA变换以保留三个维度中最大方差和关键信息，以进行进一步处理。我们在RGB、 hyperspectral、multispectral以及RGB和hyperspectral数据组合上评估了该模型。结果表明，我们的方法显著优于现有方法。
引用
@article{arxiv.2508.19798,
title = {FusionSort: Enhanced Cluttered Waste Segmentation with Advanced Decoding and Comprehensive Modality Optimization},
author = {Muhammad Ali and Omar Ali AlSuwaidi},
journal= {arXiv preprint arXiv:2508.19798},
year = {2025}
}