SHDM-NET：融合热力图细节引导与图像抠图的工业焊缝语义分割网络
计算机视觉与模式识别
2022-07-12 v1
摘要
在实际工业生产中，钢板焊接效果评估是一项重要任务，而焊缝截面的分割是评估的基础。本文提出一种基于深度学习语义分割算法、融合热力图细节引导与Image Matting的工业焊缝分割网络，以解决焊缝区域的自动分割问题。在现有语义分割网络中，可通过融合高层与低层特征来保留边界信息。然而，该方法会导致低层空间信息表达不足，从而造成分割边界定位不准。为此，我们提出基于热力图的细节引导模块，以在低层网络中充分表达分割区域边界信息。具体而言，可通过增加细节分支预测分割边界，再将其与由掩码标签生成的边界热力图匹配计算均方误差损失，从而增强边界信息表达。此外，尽管深度学习在语义分割领域已取得巨大成功，但由于经典分割网络在编解码过程中细节信息丢失，分割边界区域精度仍不高。本文引入抠图算法对语义分割网络的分割区域边界进行校准以解决该问题。通过在工业焊缝数据集上的大量实验，证明了方法的有效性，MIOU达到97.93%。值得注意的是，该性能可与人工手动分割（MIOU 97.96%）相媲美。
引用
@article{arxiv.2207.04297,
title = {SHDM-NET: Heat Map Detail Guidance with Image Matting for Industrial Weld Semantic Segmentation Network},
author = {Qi Wang and Jingwu Mei},
journal= {arXiv preprint arXiv:2207.04297},
year = {2022}
}