
-
生物通官微
陪你抓住生命科技
跳动的脉搏
基于层次先验引导和通道级自适应融合的网络,用于RGB-D铁路表面缺陷检测
《Journal of Visual Communication and Image Representation》:Hierarchical prior-guided and channel-wise adaptation fusion network for RGB-D railway surface defect inspection
【字体: 大 中 小 】 时间:2026年05月13日 来源:Journal of Visual Communication and Image Representation 3.1
编辑推荐:
Jianlin Chen|Gongyang Li|Zhijiang Zhang|Dan Zeng摘要RGB-D铁路表面缺陷检测(RSDI)对于提高复杂铁路环境下的检测可靠性至关重要。现有的RGB-D RSDI方法仍面临两个主要挑战:未能充分建模RGB数据与深度数据之间的跨模态差异
生物通微信公众号
热搜:铁路表面缺陷检测|RGB-D融合网络|层次化特征融合|缺陷边界抑制|交叉模态语义融合|神经图像重建 HPCFNet|层次先验|通道自适应|缺陷特征刻画|跨模态泛化|深度学习检测算法 铁路表面缺陷检测|RGB-D图像融合|层次特征融合|缺陷边界细化|语义交叉融合|机器学习图像 网络架构设计|跨模态差异建模|层次化特征融合|缺陷特征增强|通道自适应优化|深度学习引擎 HPCFNet|层次化特征融合|缺陷边界抑制|跨模态语义融合|通道自适应优化|网络架构设计 深度学习图像|工业缺陷检测|多模态特征融合|层次化特征融合|缺陷边界细化|跨模态泛化能力 神经网络算法|铁路表面缺陷|多模态特征提取|层次化融合模块|通道自适应机制|缺陷敏感增强 图像超级分辨率|深度图像融合|神经视觉检测|多模态语义对齐|层次化特征编码|缺陷边界优化 铁路表面缺陷检测|深度图像融合|多模态特征增强|层次化特征融合|缺陷边界抑制|跨模态语义融合