基于 CBAM 注意力机制的 U-net 钣金工程图分割方法
计算机视觉与模式识别
2025-06-04 v2 机器学习
图像与视频处理
摘要
在重型工业设备的制造过程中，首先人工重绘焊接图中的特定单元，然后切割相应的钣金零件，效率低下。为此，本文提出一种基于 U-net 的焊接工程图中特定单元分割与提取方法。该方法使切割设备能够根据视觉信息自动分割特定图形单元，并根据分割结果自动切出相应形状的钣金零件。该过程比传统的人工作业辅助切割更高效。U-net 网络中的两个弱点会导致分割性能下降：一是对全局语义特征信息关注较弱，二是浅层编码器特征与深层解码器特征间存在较大维度差异。基于 CBAM（Convolutional Block Attention Module，卷积块注意力模块）注意力机制，本文提出一种带注意力机制的 U-net 跳跃结构模型，以提升网络的全局语义特征提取能力。此外，设计了具有双池化卷积融合的 U-net 注意力机制模型，将深层编码器的最大池化+卷积特征与浅层编码器的平均池化+卷积特征垂直融合，以减小浅层编码器与深层解码器间的维度差异。双池化卷积注意力跳跃结构替代传统 U-net 跳跃结构，可有效提升焊接工程图的特定单元分割性能。以 vgg16 为骨干网络，实验验证了我们模型在焊接工程图数据集分割任务中的 IoU、mAP 和 Accu 分别为 84.72%、86.84% 和 99.42%。
引用
@article{arxiv.2209.14102,
title = {Segmentation method of U-net sheet metal engineering drawing based on CBAM attention mechanism},
author = {Zhiwei Song and Hui Yao},
journal= {arXiv preprint arXiv:2209.14102},
year = {2025}
}