3）数据增强：通过 SAM‑RTN 方法，使用生成的图像掩膜作为感知特征，进行特征提取和 ROI 采样。4）联合训练网络：将图像掩膜数据和感知特征的采样数据联合并输入到下游的目标检测和分类训练网络中。本发明的方法结合了 SAM 模型强大的图像分割能力和特征感知能力，从而显著提高了铁路轨道异常入侵物的目标检测和分类网络...
3)数据增强:通过 SAM‑RTN 方法,使用生成的图像掩膜作为感知特征,进行特征提取和 ROI 采样。4)联合训练网络:将图像掩膜数据和感知特征的采样数据联合并输入到下游的目标检测和分类训练网络中。本发明的方法结合了 SAM 模型强大的图像分割能力和特征感知能力,从而显著提高了铁路轨道异常入侵物的目标检测和分类网络的性...
3)数据增强:通过 SAM‑RTN 方法,使用生成的图像掩膜作为感知特征,进行特征提取和 ROI 采样。4)联合训练网络:将图像掩膜数据和感知特征的采样数据联合并输入到下游的目标检测和分类训练网络中。本发明的方法结合了 SAM 模型强大的图像分割能力和特征感知能力,从而显著提高了铁路轨道异常入侵物的目标检测和分类网络的性...