.png){kind=icon}
返回
Enhanced SOLOv2: An Effective Instance Segmentation Algorithm for Densely Overlapping Silkworms
.png){kind=icon}
OA
AI
DOI：10.3390/s25185703.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
家蚕实例分割对于个体家蚕行为分析和健康监测在智慧养蚕中至关重要，因为分割精度直接影响后续生物参数估计的可靠性。在实际养殖环境中，家蚕常呈现高密度和严重的相互遮挡，这对传统实例分割算法构成了显著挑战。为解决这些问题，本文提出了一种增强型SOLOv2算法。具体而言，（1）在骨干网络中，引入线性可变形卷积（LDC）以强化弯曲家蚕的几何特征建模；设计了哈尔小波下采样（HWD）模块，以更好地保留部分可见目标的细节；构建了边缘增强多注意力融合网络（EAMF-Net），以提升重叠区域的边界判别能力。（2）在掩码分支中，集成了动态上采样（Dysample）、自适应空间特征融合（ASFF）和简单注意力模块（SimAM），以优化分割掩码的质量。在自建的高密度家蚕数据集上的实验表明，所提方法实现了85.1%的平均精度（AP），并在小目标（APs：+10.2%）、中目标（APm：+4.0%）和大目标（APl：+2.0%）分割精度上相较于基线模型均有显著提升。这有效推进了高密度家蚕分割场景下的精度水平。
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
3.5
论文数:
7.2W
被引数:
20.9W
机构
暂无机构信息
引用论文
分享收藏Precious Tree Pest Identification with Improved Instance Segmentation Model in Real Complex Natural Environments珍稀树木病虫害识别：基于改进实例分割模型在真实复杂自然环境中的应用.png)
Forests
OAAI
ForestsIF0
OAAI分享收藏Multi-Scale and Detail-Enhanced Segment Anything Model for Salient Object Detection多尺度与细节增强型任意物体分割模型用于显著目标检测
PREAI
分享收藏分享收藏Haar wavelet downsampling: A simple but effective downsampling module for semantic segmentationPATTERN RECOGNITION
PATTERN RECOGNITIONIF7.6
PREAI
分享收藏
查看更多内容