结构意识的渐进式多模式融合网络用于RGB-T裂分割.
Zhengrong Yuan1, Xin Ding2, Xinhong Xia1
1Hunan Architectural Design Institute Group Co., Ltd., Changsha 410208, China.
Journal of imaging
|November 26, 2025
概括
这项研究引入了使用RGB和热图像进行裂纹细分的新网络. 该方法通过融合多模式数据和整合结构边缘信息来提高准确性,以更好地监测结构完整性.
科学领域:
- 计算机视觉 计算机视觉
- 结构健康监测 结构健康监测
- 人工智能的人工智能
背景情况:
- 裂细分对于结构完整性的评估至关重要.
- 现有的基于RGB的方法受到照明条件的限制.
- 多模式方法可以克服这些局限性.
研究的目的:
- 使用RGB-热 (RGB-T) 数据开发一个强大的裂细分方法.
- 通过融合来自不同模式的互补信息来提高细分精度.
- 为了改善裂区域的完整性,将结构优先考虑纳入.
主要方法:
- 提出了一个结构意识的渐进式多模式融合网络 (SPMFNet).
- 使用门控制注意力 (GCA) 和注意力功能融合 (AFF) 模块进行渐进式融合.
- 集成边缘预先信息,具有关节损失功能 (边缘引导,多尺度焦点,自适应融合损失).
主要成果:
- 与RGB-T裂检测数据集的现有方法相比,SPMFNet表现出更高的性能.
- 渐进的融合战略有效地整合了多式联运特征.
- 整合结构性优先事项改善了细分裂纹地区的完整性.
结论:
- 拟议的SPMFNet有效地对RGB-T图像中的裂进行细分.
- 渐进的多模融合和结构先验是准确和强大的裂细分的关键.
- 这种方法为复杂环境中的结构健康监测提供了一个有希望的解决方案.
