面向自动电池检测的新挑战、基准数据集和基线
原文中文,约400字,阅读约需1分钟。发表于: 。我们对一项名为电池检测(PBD)的新任务进行了全面研究,旨在从 X 射线图像中定位密集的阴极和阳极板端点,以评估电池的质量。通过精心收集 X 射线 PBD 数据集,我们提出了一种基于分割的新解决方案 MDCNet,它能够在语义和细节方面改善点分割分支的表示。与其他基于角点检测、人群计数和一般 / 小物体检测的解决方案相比,我们的分割式 MDCNet 持续表现出色,成为未来 PBD 研究的强有力基准。
该研究提出了一种名为PBNet的方法,用于乳腺肿瘤的超声图像分割。PBNet由多级全局感知模块(MGPM)和边界引导模块(BGM)组成,通过融合多级语义信息和利用边界引导特征融合,提高了对非增强肿瘤的识别能力。实验证明PBNet在肿瘤分割方面优于现有方法,提高了Dice分数、Jaccard系数、特异性和HD95分数。