通过深度学习与知识嵌入的协同作用实现智能工业场景解析

《IEEE Aerospace and Electronic Systems Magazine》：Intelligent Industrial Scene Interpretation via Synergy of Deep Learning and Knowledge Embedding

　　

摘要：

诸如鹰眼相机、低空无人机和高分辨率卫星之类的设备能够实时捕捉高精度的工业场景图像，为生产、生态和安全监管提供数据支持。然而，海量的数据给人工解读带来了巨大的负担，因此迫切需要开发智能解读方法。工业场景的智能解读要求算法不仅能够完成像素级别的实体识别，还要实现场景级别的合规性推理以及业务层面的原因导向归因。本文提出了基于知识嵌入的工业场景智能解读框架（KEDIF），在两个层面进行了核心创新。在架构层面，我们提出了一个三层解读框架，该框架以采矿受损土地工业领域知识图谱（MDKG）为基础，将统一的知识嵌入向量贯穿到完整的感知-推理-归因流程中。第一层融合知识图谱嵌入来构建全面的实体类型解读分数；第二层引入了知识嵌入合规性分数（KECS），这是一种多法规聚合机制，能够提供分级风险评估，并通过连续的嵌入空间插值推广到未见过的实体对配置；第三层采用了双组件原因导向归因模型，以实现结构化的业务级别输出，并具备法规可追溯性。在模型层面，我们提出了ACDR-Former，这是一种动态法规分割模型，通过三个协同模块（自适应查询进化（AQE）、感知混淆分配（CAA）和目标表示解耦（TRD）建立基于查询的分割动态法规范式。在自行构建的MDID基准数据集上的实验表明，该系统的mIoU达到了5...

显示更多