基于注意力机制和可变形卷积的金属表面细微不规则损伤的图像识别模型

对金属表面细微损伤的检测,传统的目标识别算法泛化能力较弱,而使用深度卷积神经网络的通用检测算法容易丢失小目标特征,其使用的传统正方形结构卷积不适用于处理长条状等不规则损伤。针对以上问题,提出了一种基于注意力机制和可变形卷积的级联神经网络目标检测模型ADC-Mask R-CNN。在ResNet101主干网络中嵌入通道域注意力与空间域注意力,以增强对小损伤目标的检测效果;采用可变形卷积与可变形感兴趣区域池化技术,提升了对不规则损伤的检测效果;通过级联网络实现了检测结果的进一步优化。在金属表面损伤数据集上的对比实验结果表明,ADC-Mask R-CNN模型可以提高金属表面细微不规则损伤的检测性能。

不规则损伤长度及面积的测量方法

我国《人体损伤程度鉴定标准》已于2014年1月1日正式实施。标准中有多款关于体表损伤长度、损伤面积的条款,但由于损伤长度及面积的测量工具及计算方法不统一,不规则损伤长度及面积测量的准确性难以把握。作者在工作中,探索出能更准确测量方法,于本文介绍给大家,以便共同探讨。1不规则损伤长度的测量传统方法目前国内对于体表损伤长度常用钢直尺、软尺或棉线测量,测量后加比例尺拍照。