基于多尺度注意力和标记融合的海底矿物计数方法OA

海底沉积物中富集的多金属结核是高科技产业的重要资源。因其金属富集度高、经济价值显著,具有可观的应用前景。全面分析结核矿物的数量与空间分布,实现海底矿物的智能评估已成为迫切需求。然而,资源评估领域面临多重挑战,包括海底矿物图像存在畸变,结核形态具有多样性,目标呈密集分布等。为应对这些挑战,该文以双路径特征交互网络架构为基础进行创新得到一个新的网络模型FMSTNet。具体而言,首先采用了局部自注意力或早期卷积操作,以此为思考引入多尺度压缩注意力模块,该模块增强了捕捉长距离依赖关系的能力。随后设计层级压缩重构机制模块。这种网络架构有效提升了模型对密集目标的区分能力,在保持目标完整性的同时实现精准实例分割,有效解决了海底结核矿物稀疏样本计数的难题。在FSC-147和海底多金属结核矿物(Mineral)等基准数据集上的实验结果表明,FMSTNet模型相较于现有小样本目标计数方法在多个评估指标上均表现出更优性能。具体而言,在FSC-147测试集上MAE与RMSE分别达到13.26和80.89,在海底多金属结核矿物数据集上亦取得了显著效果,其MAE和RMSE分别为14.17和22.38。上述结果充分证明,FMSTNet在提升小样本条件下目标计数的准确性与鲁棒性方面具备良好能力,展现出较强的实际应用潜力。