Para-SegFormer：一种用于高性能皮革缺陷分割的双分支渐进融合网络

《IEEE Access》：Para-SegFormer: A Dual-Branch Progressive Fusion Network for High-Performance Leather Defect Segmentation

　　

摘要：

为了解决全局皮革表面缺陷分割任务中语义不连续性和细节丢失的问题，我们提出了一种名为Para-SegFormer的皮革缺陷检测方法，该方法基于并行分支特征提取。首先，引入了并行网络分支，并嵌入了高效的多尺度注意力（EMA）机制，以帮助模型捕捉更丰富的全局特征。其次，为了减少解码器重构过程中目标特征信息的丢失，我们提出了一种渐进式上下文引导融合（PCGF）方法，以实现分层和渐进式的上采样特征融合。我们在自构建的皮革缺陷数据集上评估了所提出的方法。与SegFormer模型相比，该方法在平均交并比（mIoU）上提高了17.2%，在像素准确率（Acc）上提高了1.68%，同时参数数量仅增加了10%。