CarcassFormer: 一种基于 Transformer 的家禽屠体缺陷的同时定位、分割和分类的端到端框架
原文中文，约500字，阅读约需2分钟。发表于：。该研究提出了一种用于自动评估家禽胸脯质量的有效方法，该方法基于机器学习和计算机视觉技术，实现了缺陷检测和胸脯质量评估的自动化。通过使用一种基于 Transformer 的框架，该方法能够从图像中有效地提取视觉表示，并同时检测、分割和分类家禽胸脯的缺陷。经过大量实验比较，该方法在分类、检测和分割任务上优于其他现有方法，并在各种评估指标（如 AP、AP@50 和 AP@75）上展现出显著的改进。
本文介绍了一种新型网络AsymFormer，用于实时RGB-D语义分割。通过优化计算资源分配和引入非对称骨干网络，实现多模态特征的有效融合。使用局部关注引导特征选择（LAFS）模块，选择性地融合特征。在NYUv2和SUNRGBD数据集上评估，AsymFormer在准确度和效率方面取得了平衡。
