计算机工程

作者：李致金, 范小真, 闫金凤

单位：1. 南京信息工程大学人工智能学院, 江苏 南京 2100442. 南京信息工程大学计算机学院, 江苏 南京 210044

关键词：显著性分割,U-型网络结构,PCB_SOD数据集,边界感知,引导细化

基金：国家自然科学基金(61971167)

作为重要的现代电子元器件, 高度集成的印刷电路板(PCB)的组件分割属于典型的小物件图像分割。由于复杂背景的过度引入, PCB图像的组件分割面临着边界感知能力不足等挑战。为了提高PCB分割组件边界感知能力, 提出一种外部协调的嵌套U-型网络结构(U2ECNet)。U2ECNet的主干网络为嵌套U-型结构, 在编解码体系中使用外部扩张模块, 有效学习全局和局部信息, 并关注组件区域中的边缘和角细节; 使用引导细化模块, 通过多尺度特征映射聚合全局语义信息, 从而优化模型的分割精度, 同时提高对PCB组件分割的效果; 制作新的图像分割数据集PCB_SOD, 其包含5 608张训练图像和2 403张测试图像, 用于执行分割任务, 并在所提网络中进行训练。在DUTS和PCB_SOD数据集上的实验结果表明, U2ECNet在平均绝对误差(MAE)和maxFβ上分别达到0.045、86.1%和0.027、87.2%, 相较于其他方法, U2ECNet的MAE更低, maxFβ更高, 整体分割性能达到最佳。此外, 所提外部协调的嵌套U-型结构提升了PCB组件分割的精度, 在复杂背景中表现出良好的鲁棒性, 生成了准确的显著性分割图。

来源：2024年第12期

《计算机工程》期刊编辑部

查看计算机工程杂志2024年第12期