一种基于改进MaskFormer的电力设备红外图像实例分割方法OA

为分割红外图像中电力设备的不同实例并定位故障区域,提出了一种基于改进MaskFormer的实例分割方法。将原有的FPN替换为AFPN模块,解决了特征金字塔信息丢失或退化导致的目标漏检问题,减轻了不同目标冲突信息的影响。另外,通过向解码器中添加具有空间先验的支持多头注意力的SMCA模块,使模型的注意力更多地集中在预测区域周围,从而加速收敛。实验结果表明改进的MaskFormer降低了目标漏检率,提高了不同类型电力设备的分割精度,其中变压器、落地罐式断路器、GIS和母线的mAP值提升了1.0左右,其他设备的mAP值提升了0.3~0.8。