目标板的碎片孔图像细分算法使用PIDNet与多尺度融合双重注意力

科学领域:

• 工程 工程师 工程师 工程师
• 材料科学 材料科学 材料科学
• 计算机视觉 计算机视觉

背景情况:

• 在静态爆炸损伤实验中,穿孔的不有效细分导致边缘信息丢失和精度低.
• 精确的细分对于分析碎片分散和破坏性影响至关重要.

研究的目的:

• 为目标板开发一个改进的碎片孔图像细分算法.
• 提高爆炸损伤分析的准确性和保护边缘特征信息.

主要方法:

• 引入了一个使用PIDNet的碎片洞图像细分算法,具有多尺度融合双重注意力.
• 采用PID三分支网络架构与双注意模块来增强孔边特征.
• 集成了一个多尺度特征融合 (MSFF-Bag) 模块,以提高洞轮细分的准确性.

主要成果:

• 与最先进的方法相比,拟议的算法显示出更高的性能.
• 实现了更高的平均交叉和并发比,以及像素精度.
• 成功保存了关键边缘特征信息以进行详细分析.

结论:

• 开发的算法提供了一种可靠的方法来对目标板中的碎片孔进行细分.
• 为分析碎片分散特征和破坏性影响提供了保证.
• 具有重要的军事理论价值和实际应用重要性.