关键词：深度学习;输电线路;施工机械;语义分割;注意力机制;特征增强
摘 要：准确定位输电通道环境下的输电线路和施工机械等具有对输电线路造成破坏风险的目标，对于确保输电线路的安全运行具有重要意义。因此，高性能的分割技术对于电网安全至关重要。然而，现有语义分割方法忽略了全局通道信息和多尺度特征之间的表示差距，从而抑制了网络聚合判别特征的能力。提出了一种新颖的基于双向特征增强的语义分割网络（Bidirectional Feature Enhance Network,BFEN），该网络由编码器-解码器结构组成，通过交互地探索全局空间和通道上下文来捕获丰富的特征表示。为了在解码层细化密集的全局上下文特征，提出了一个十字条带注意力（Cross Stripe Attention,CSA）模块，自适应地捕获带有方向信息的长距离空间依赖性和长距离通道依赖性。十字条带注意力模块是一个轻量级的模块，计算负担可以忽略不计。在输电线路和施工机械数据集上的性能达到了82.2%MIoU，优于目前主流的分割方法。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取