E-FPN 利用稀疏连接块和深度可分卷积，解决数据集不平衡问题 !

文章预览

不平衡数据集在实际场景中是一个重要挑战。它们导致模型在代表类上的表现不佳,这在基础结构检查中是一个严重的问题。 本文介绍了增强特点金字塔网络(E-FPN),这是一种用于处理不平衡数据集中的沟渠和水管语义分割的深度学习模型。 E-FPN引入了稀疏连接块和深度可分卷积等架构创新来提高特征提取和处理目标变化。为了解决数据集不平衡问题,该模型采用了解构和数据增强策略。 在沟渠-水管缺陷数据集和基准航空语义分割无人机数据集上的实验结果显示,E-FPN优于最先进的方法,实现了平均交并比(IoU)的改进百分比分别为13.8%和27.2%,分别。 此外,解构和数据增强策略共同提升了模型的性能,使得IoU提高了约6.9%。提出的E-FPN为增强具有挑战性的多类实际数据集中的目标分割呈现了一个有前景的解决方案,其潜在的应用范围可以超越沟渠-水管缺陷检测。 I ………………………………