基于跨模態(tài)注意力聚合與自適應(yīng)原型生成的小樣本缺陷分割

摘要： 基于深度學習的缺陷分割技術(shù)對于保證生產(chǎn)效率和改善產(chǎn)品質(zhì)量至關(guān)重要.然而,在實際應(yīng)用中有許多領(lǐng)域無法收集大規(guī)模的缺陷樣本,導致傳統(tǒng)缺陷檢測方法性能急劇下降.此外,缺陷區(qū)域存在尺寸小、紋理信息弱以及與無缺陷區(qū)域?qū)Ρ炔幻黠@的問題,進一步阻礙了視覺缺陷檢測技術(shù)的實際應(yīng)用.對此,提出一種基于視覺與點云的多模態(tài)小樣本缺陷分割方法,通過采用跨模態(tài)注意力聚合RGB語義信息和點云結(jié)構(gòu)信息,實現(xiàn)兩... （共9頁）