铁路计算机视觉大模型研究

研究铁路计算机视觉大模型关键技术及其应用,对统筹和促进铁路人工智能发展具有深远意义。文章依托铁路人工智能平台的算力与大模型支撑组件,提出从基础大模型到铁路计算机视觉大模型,再到铁路计算机视觉场景大模型的架构设计思路。基于基础大模型,设计模型训练框架,运用模型剪枝和多尺度推理技术保障推理速度与精度,完成铁路计算机视觉大模型的构建;提出铁路计算机视觉大模型的应用场景,并选取线路环境安全管控智能识别场景对该大模型能力进行验证。实验结果表明,铁路计算机视觉大模型在复杂背景下的微小目标检测方面表现卓越,具有较好的应用前景,将在铁路运输安全、移动装备检测、铁路客货运服务等业务领域发挥更加重要的作用。

带有干扰挖掘的息肉分割算法

息肉作为身体表面生长的异常组织,存在病变的可能,需要长期观察监测。而息肉分割是观察监测以及后续治疗的重要手段。现有研究表明,精确的息肉分割主要难度在于息肉边界对比度低、外观变化多以及多息肉存在。针对此,在聚焦多尺度问题的基础上,受生物视觉的影响提出并实现了一个带有干扰挖掘的息肉分割算法,该网络模拟生物视觉发现目标的过程,以全局角度从带有干扰的图像中定位潜在目标,然后进入识别过程,以通过聚焦模糊区域来挖掘目标信息得到初步预测图,将初步预测的结果作为注意力图引导浅层特征,最后,将细化后的特征图输入至多尺度残差推理模块,产生最终预测。