基于差分多尺度特征融合的电力设备实例分割算法

摘要

针对电力设备航拍巡检场景中，所用实例分割算法特征提取能力较弱、存在误检漏检以及掩模分割精度低等问题，提出了一种基于改进YOLACT的电力设备实例分割方法.首先，将骨干网络嵌入CBAM注意力模块，CBAM改进为平行结构，并同时引入跳跃连接与空洞卷积，加强模型提取特征的能力；其次，在特征金字塔模块中设计了多尺度卷积下采样分支，为低层的特征图融合跨层差分信息，提升FPN输出特征图的质量；最后，为解决边界框不准确导致的漏检、误检问题，使用CIoU边界框回归损失函数和改进的Cluster NMS算法，提升模型生成的边界框准确度.在电力设备实例分割数据集上的实验表明，相较于改进前的YOLACT模型，本文模型的掩模平均精度提升了3.7%,分割速度达到34.1帧/s,验证了方法的有效性.

关键词

电力设备 / 实例分割 / YOLACT / 特征融合 / 注意力机制

基金资助

吉林省教育厅科学研究项目(JJKH20240148KJ); 吉林省科技发展计划社会发展领域项目(20200403075SF)