基于改進YOLOv8的PCB焊點語義分割方法

摘 要：針對具有相似灰度值的印制電路板（Ｐｒｉｎｔｅｄ Ｃｉｒｃｕｉｔ Ｂｏａｒｄ，ＰＣＢ） 焊點在檢測分割過程中的誤檢和漏檢問題，提出改進ＹＯＬＯｖ８ 的ＰＣＢ 焊錫語義分割模型。在主干網絡引入坐標注意力（Ｃｏｏｒｄｉｎａｔｅ Ａｔｔｅｎｔｉｏｎ，ＣＡ） 機制，準確定位焊點空間位置，提升模型捕捉焊點空間信息能力；使用雙向特征金字塔網絡（Ｂｉ-ｄｉｒｅｃｔｉｏｎａｌ Ｆｅａｔｕｒｅ Ｐｙｒａｍｉｄ Ｎｅｔｗｏｒｋ，ＢｉＦＰＮ）替換路徑聚合網絡（Ｐａｔｈ Ａｇｇｒｅｇａｔｉｏｎ Ｎｅｔｗｏｒｋ，ＰＡＮｅｔ） 特征金字塔，更好地捕捉目標的邊界信息，并在原有基礎上增加一個分割層。引入ＥＩｏＵ 損失函數，提供更精細的評估結果并提高泛化能力。通過對比實驗得出，所提算法的平均像素精度（ｍｅａｎ Ｐｉｘｅｌ Ａｃｃｕｒａｃｙ，ｍＰＡ） 達到９０． ３７％ ，平均交并比（ｍｅａｎ Ｉｎｔｅｒｓｅｃｔｉｏｎ ｏｖｅｒ Ｕｎｉｏｎ，ｍＩｏＵ） 達到８３． ７６％ ，每秒推理圖片張數（Ｆｒａｍｅｓ Ｐｅｒ Ｓｅｃｏｎｄ，ＦＰＳ） 達到４３，實現了ＰＣＢ 板更精準的焊點分割。

關鍵詞：ＹＯＬＯｖ８；語義分割；坐標注意力機制；雙向特征金字塔網絡；ＥＩｏＵ 損失函數

中圖分類號：ＴＰ７５１． １ 文獻標志碼：Ａ 開放科學（資源服務）標識碼（ＯＳＩＤ）：

文章編號：１００３－３１０６（２０２４）０７－１６１４－０８

０ 引言

印制電路板（Ｐｒｉｎｔｅｄ Ｃｉｒｃｕｉｔ Ｂｏａｒｄ，ＰＣＢ）是通過自動化設備將電子元件焊接到ＰＣＢ 上制作而成。制作過程中，由于設計錯誤、制造問題或材料損壞等會導致焊錫短路或開路，影響產品正常使用。所以對ＰＣＢ 產品質量檢測的技術實現一直是主要的討論話題之一。早些年的實現通常依賴傳統的檢測技術和算法，例如ＯｐｅｎＣＶ、ｈａｌｃｏｎ 和早期機器學習技術。張俊賢［１］設計了基于傳統算法的ＰＣＢＡ 焊錫檢測系統，利用ＭＡＲＫ 孔使用模版匹配進行定位和仿射變換實現焊錫圖像自動獲取。雷崢鳴［２］提出基于機器視覺的ＰＣＢ 焊錫缺陷檢測系統，改進傳統的霍夫圓變換，實現精準的圖像圓檢測和定位。但是近些年傳統的檢測技術逐漸不能滿足新型產品的檢測需求。

隨著神經網絡和深度學習的興起，語義分割技術逐漸在工業領域得到應用，它對圖像的每個像素進行分類，實現像素級的精細預測。語義分割技術發展分為２ 個階段：傳統語義分割算法和基于深度學習的語義分割［３］算法。傳統語義分割算法中，常見方法包括閾值分割、邊緣檢測和區域法等。基于深度學習的語義分割算法中，包括全卷積網絡（Ｆｕｌｌｙ ＣｏｎｖｏｌｕｔｉｏｎａｌＮｅｔｗｏｒｋ，ＦＣＮ）、Ｕ-Ｎｅｔ、ＰＳＰＮｅｔ 和Ｄｅｅｐｌａｂ 系列等經典網絡。ＦＣＮ［４］是深度學習算法進軍語義分割領域的開山之作，將卷積神經網絡（Ｃｏｎｖｏｌｕｔｉｏｎａｌ Ｎｅｕｒａｌ Ｎｅｔ-ｗｏｒｋ，ＣＮＮ）模型（如ＡｌｅｘＮｅｔ、ＶＧＧＮｅｔ 等）中全連接層替換為全卷積層，構建像素級的語義分割網絡。這一創新使得ＦＣＮ 實現從像素到像素的準確語義分割。ＰＳＰＮｅｔ［５］針對ＦＣＮ 在語義分割領域的問題進行改進，引入空間金字塔模塊，能夠提取圖像的上下文信息和多尺度信息，使得分割層能夠獲得更加豐富的全局上下文信息。這一改進有效降低了ＦＣＮ 中圖像類別誤分割的概率。Ｕ-Ｎｅｔ［６］也是基于ＦＣＮ 架構的改進，采用Ｅｎｃｏｄｅｒ 和Ｄｅｃｏｄｅｒ 的Ｕ 型結構以及ｓｋｉｐ-ｃｏｎｎｅｃｔｉｏｎ，在醫學領域的圖像處理問題中廣泛應用。ＤｅｅｐＬａｂ 系列［７－１０］是谷歌團隊開發的基于ＣＮＮ 的語義分割模型。

毛萬菁等［１１］運用改進的Ｕ-Ｎｅｔ 語義分割模型，對草莓在不同病害情況下進行精準分割。在編碼器部分引入ＣＮＮ-Ｔｒａｎｓｆｏｒｍｅｒ 混合結構，并在解碼器中采用雙路上采樣模塊，并以ｈａｒｄ-ｓｗｉｓｈ 激活函數取代ＲｅＬＵ 激活函數。使得模型在像素精度上達到９２．５６％ ，平均交并比（ｍｅａｎ Ｉｎｔｅｒｓｅｃｔｉｏｎ ｏｖｅｒ Ｕｎｉｏｎ，ｍＩｏＵ）達到８４． ９７％ ，超越了許多分割模型。在自動駕駛領域，楊奎河等［１２］提出了一種深度學習模型，架構優化基于ＹＯＬＯＳｅｇ 算法，ＭｏｂｉｌｅＮｅｔｖ３ 作為特征提取網絡，并引入路徑聚合網絡（Ｐａｔｈ Ａｇｇｒｅｇａｔｉｏｎ Ｎｅｔ-ｗｏｒｋ，ＰＡＮｅｔ）融合各種尺度的特征圖。相較于過去的ＲｅｆｉｎｅＮｅｔ，該模型在分割速度每秒推理圖片張數（Ｆｒａｍｅｓ Ｐｅｒ Ｓｅｃｏｎｄ，ＦＰＳ）上提升了３５，同時交并比（Ｉｎ-ｔｅｒｓｅｃｔｉｏｎ ｏｖｅｒ Ｕｎｉｏｎ，ＩｏＵ）平均提高幅度達到４． ９％ 。

自ＦＣＮ 以來，深度學習在語義分割領域取得巨大進步，ＹＯＬＯ 系列模型以其端到端的快速和輕量性能力更是在工業領域得到廣泛應用。尤其是ＹＯＬＯｖ５ 模型，取得了引人矚目的成就［１３－１６］。

１ ＹＯＬＯｖ８ 算法

目前ＹＯＬＯ 系列的ＳＯＴＡ 模型是ｕｌｔｒａｌｙｔｉｃｓ 公司于２０２３ 年發布的ＹＯＬＯｖ８。按照模型寬度和深度不同分為ＹＯＬＯｖ８ｎ、ＹＯＬＯｖ８ｓ、ＹＯＬＯｖ８ｍ、ＹＯＬＯｖ８ｌ、ＹＯＬＯｖ８ｘ 五個版本。本文改進的是ＹＯＬＯｖ８ｎ 模型。

ＹＯＬＯｖ８ 的Ｂａｃｋｂｏｎｅ 采用ＣＳＰＤａｒｋｎｅｔ 結構，它是Ｄａｒｋｎｅｔ 的一種改進，引入ＣＳＰ 改善網絡結構。ＣＳＰＤａｒｋｎｅｔ 把特征圖分為兩部分，一部分進行卷積操作，另一部分進行跳躍連接，在保持網絡深度的同時減少參數量和計算量，提高網絡效率。Ｎｅｃｋ 部分采用特征金字塔ＰＡＮｅｔ［１７］，通過自頂向下路徑結合和自底向上特征傳播進行多尺度融合。損失函數采用了ＣＩｏＵ［１８］。ＹＯＬＯｖ８ 的網絡結構如圖１ 所示。

２ 改進ＹＯＬＯｖ８ 算法

改進ＹＯＬＯｖ８ 算法主要有以下３ 點：① 在Ｂａｃｋ-ｂｏｎｅ 的最后２ 步分別添加坐標注意力（Ｃｏｏｒｄｉｎａｔｅ Ａｔ-ｔｅｎｔｉｏｎ，ＣＡ）機制模塊［１９］，用于捕獲圖像的全局空間信息；② 在Ｎｅｃｋ 中用雙向特征金字塔網絡（Ｂｉ-ｄｉｒｅｃ-ｔｉｏｎａｌ Ｆｅａｔｕｒｅ Ｐｙｒａｍｉｄ Ｎｅｔｗｏｒｋ，ＢｉＦＰＮ）［２０］替換ＰＡＮｅｔ進行特征融合，并在原有基礎上增加一個分割層；③ 采用ＥＩｏＵ 損失函數替換ＣＩｏＵ 用于優化模型。圖２ 是本文改進的ＹＯＬＯｖ８ 網絡結構。

２． １ ＣＡ 注意力機制

為了準確提取焊點的位置空間信息，本文在主干網絡的Ｃ２ｆ 和ＳＰＰＦ 之間引入ＣＡ 機制，更好地提取特征空間位置信息，達到精準分割。ＣＡ 的實現過程如圖３ 所示。

ＣＡ 的操作過程分為空間信息嵌入和空間注意力生成兩部分，ＣＡ 模塊前半部分是空間信息嵌入，輸入為ｘ，分別沿水平和豎直方向對輸入特征圖計算一維平均池化進行全局信息提取，得到高度和寬度方向的２ 個特征圖：

ＣＡ 模塊的后半部分是空間注意力生成，連接由前半部分輸出具有全局感受野的２ 個特征圖并通過１×１ 卷積操作將維度變成原來的Ｃ ／ ｒ，批量歸一化后將得到的特征圖Ｆ１ 經過Ｓｉｇｍｏｉｄ 函數得到形如１×（Ｗ＋Ｈ）×Ｃ ／ ｒ 的特征圖。

ｆ ＝ δ（Ｆ１（［ｚｈ ，ｚｗ ］））， （３）

式中：ｆ∈CＣ ／ ｒ ×（ｗ＋ｈ）表示空間信息的水平和垂直中間特征圖，ｒ 表示下采樣率，δ 表示非線性激活函數。

將ｆ 分成２ 個張量ｆ ｈ ∈CＣ ／ ｒ×Ｈ 和ｆ ｗ ∈CＣ ／ ｒ×Ｗ ，ｆ ｈ和ｆ ｗ 再分別通過１×１ 卷積得到和輸入ｘ 相同的通道數。

ｇｈ ＝ σ（Ｆｈ（ｆ ｈ ））， （４）

ｇｗ ＝ σ（Ｆｗ（ｆ ｗ ））。（５）

最后把空間信息加權進行融合，輸出如下：

ｙｃ（ｉ，ｊ） ＝ ｘｃ（ｉ，ｊ）× ｇｈｃ（ｉ）× ｇｗｃ（ｊ）。（６）

捕捉位置信息和通道信息，ＣＡ 相較于其他輕量級注意力機制表現出更出色的效果。

２． ２ ＢｉＦＰＮ 和分割層

本文用ＢｉＦＰＮ 替換ＹＯＬＯｖ８ 的ＰＡＮｅｔ 特征金字塔，二者網絡結構對比如圖４ 所示。

和ＰＡＮｅｔ 單一的自頂向下和自底向上進行特征融合不同，ＢｉＦＰＮ 靈活地去掉只有一條輸入邊的點，因為輸入單一，對旨在融合不同特征的網絡貢獻很小。ＢｉＦＰＮ 在處于同一層的輸入節點和輸出節點之間額外添加一條邊，以在不增加成本情況下融合更多特征信息。和ＰＡＮｅｔ 只有一個雙向路徑不同，ＢｉＦＰＮ 將雙向路徑當做一個特征網絡層，重復使用多次以實現更高層次特征融合，并通過ＮＡＳ 技術計算使用次數。

ＹＯＬＯｖ８ 本身有３ 個分割層，本文在原有基礎上額外添加１ 個分割層。通過添加額外的分割層，語義分割網絡可以進行更深層次的特征提取和語義表示，有助于提高分割網絡對圖像中細微特征和邊界的感知能力。多個分割層也可以引入更多的上下文信息，幫助網絡更好地理解圖像中的語義關系和全局結構。

２． ３ ＥＩｏＵ 損失函數

神經網絡訓練過程中，損失函數用來度量模型預測值與實際值之間的差異并做出相應處理，優秀的損失函數可以優化模型性能和訓練效果。ＥＩｏＵ損失函數［２１］計算如下：

式中：Ｃｗ 和Ｃｈ 表示覆蓋２ 個錨框的最小包圍框的寬度和高度，ｂ 和ｂｇｔ 表示預測框和目標框的中心點，ρ 表示歐幾里得距離，Ｃ 表示覆蓋２ 個框的最小包圍框的對角線長度。

ＥＩｏＵ 引入平滑系數，在ＩｏＵ 接近閾值邊界時，匹配度得分更加平滑，避免ＩｏＵ 波動導致誤判，能更好地適應不同大小目標的評估，提高對小尺寸物體的檢測性能。因此本文采用ＥＩｏＵ 損失函數，獲得更具有精度和魯棒性的模型。

３ 實驗分析

３． １ 實驗環境

實驗使用的服務器配置和虛擬環境配置如表１所示。

３． ２ 數據集的采集

數據集來自ＰＣＢ 板的實際生產現場，使用ＸＲａｙ 設備進行采集。每張圖片的像素分辨率是１ ５３７ ｐｉｘｅｌ×１ ５３７ ｐｉｘｅｌ，共收集３ ６４７ 張產品圖片。從中選取具有代表性的５００ 張圖片用于模型訓練。通過使用Ｐｙｔｈｏｎ 模塊進行隨機劃分，將數據集分為訓練集３５０ 張、驗證集１００ 張和測試集５０ 張。為了確保算法的實際應用性，訓練集和驗證集中不包含相同的產品圖片。

３． ３ 評價指標

語義分割常用評價指標有Ｆ１-ｓｃｏｒｅ 和宏平均（ｍａｃｒｏ＿ａｖｅｒａｇｅ）、平均像素精度（ｍｅａｎ Ｐｉｘｅｌ Ａｃｃｕｒａ-ｃｙ，ｍＰＡ）、ｍＩｏＵ 等［２２］。焊錫的語義分割背景單一且類別不多，宏平均值并不作為本文模型評價重點，重點選ｍＰＡ 和ｍＩｏＵ 作為本文模型評價指標。

像素精度（Ｐｉｘｅｌ Ａｃｃｕｒａｃｙ，ＰＡ）表示語義分割過程中正確分割像素個數占所有像素數的比值。ＰＡ的計算如下：

式中：ｔ 表示推理一張圖片需要的時間，單位ｍｓ。

３． ４ 實驗與結果分析

本文通過對比實驗，評估改進的ＹＯＬＯｖ８ｎ 算法與Ｕ-Ｎｅｔ、ＹＯＬＯＳｅｇ 和ＹＯＬＯｖ８ｎ 在分割性能方面的表現。本次實驗選擇０． ０１ 作為初始學習速率，批量樣本數設為４，并進行１５０ 次迭代（ｅｐｏｃｈ）。在模型訓練過程中，使用在ＣＯＣＯ 數據集上經過預訓練的模型，并通過遷移學習優化。

訓練集用于模型的參數優化，訓練過程中通過輸入的數據和對應的標簽計算損失函數計算二者的差異，以最小化損失函數為目的進行參數優化。訓練集的損失曲線體現模型收斂速度和魯棒性。本文改進算法引入不同模塊與Ｕ-Ｎｅｔ、ＹＯＬＯＳｅｇ 和ＹＯＬＯｖ８ｎ 的訓練集的損失函數對比如圖５ 所示。

驗證集用于ｅｐｏｃｈ 結束后性能評估和參數調優，防止過擬合。參數調優主要是超參數，通過選擇最佳的超參數值從而提高泛化能力等性能。其驗證集的損失函數對比如圖６ 所示。

通過ＹＯＬＯｖ８ｎ ＋ ＣＡ 和ＹＯＬＯｖ８ｎ ＋ ＥＩｏＵ 與ＹＯＬＯｖ８ｎ 損失曲線對比得出，算法引入ＣＡ 機制后對損失曲線的收斂程度有所促進，但是效果并不明顯。ＹＯＬＯｖ８ｎ 算法改用ＥＩｏＵ 損失函數，在訓練過程收斂更快，總損失的降低也更加明顯。

通過ＹＯＬＯｖ８ｎ ＋ ＣＡ 和ＹＯＬＯｖ８ｎ ＋ ＥＩｏＵ 與ＹＯＬＯｖ８ｎ＋ＣＡ＋ＥＩｏＵ 損失曲線對比得出，同時引入ＣＡ 機制和ＥＩｏＵ 損失函數，對損失曲線的收斂程度是疊加的，模型訓練的效果更好。

通過本文算法與ＹＯＬＯｖ８ｎ＋ＣＡ＋ＥＩｏＵ 損失曲線對比得出，引入ＣＡ 機制和ＥＩｏＵ 損失函數后，使用ＢｉＦＰＮ 或者ＰＡＮｅｔ，對損失曲線的起到的優化效果相差不大。得出用ＢｉＦＰＮ 替換ＰＡＮｅｔ 并不會惡化損失曲線的收斂。但是ＢｉＦＰＮ 會提高邊緣信息的提取能力和模型的泛化能力。

表２ 為不同算法和ＹＯＬＯｖ８ｎ 引入不同模塊的檢測精度對比，可以看出，ＹＯＬＯｖ８ｎ 的檢測精度高于ＵＮｅｔ 和ＹＯＬＯＳｅｇ 模型。ＹＯＬＯｖ８ｎ ＋ ＣＡ 和ＹＯＬＯｖ８ｎ＋ ＥＩｏＵ 對精度有一定程度提高，而且ＹＯＬＯｖ８ｎ ＋ ＣＡ ＋ ＥＩｏＵ 達到了更高的精度。ＹＯＬＯｖ８ｎ＋ＣＡ＋ＥＩｏＵ＋ＢｉＦＰＮ＋分割層與ＹＯＬＯｖ８ｎ＋ＣＡ＋ＥＩｏＵ 相比，ｍＰＡ 和ｍＩｏＵ 有所提升但增幅效果不顯著，甚至ＦＰＳ 降低２。但是由圖７ 的焊點分割泛化能力對比結果來看，ＹＯＬＯｖ８ｎ ＋ ＣＡ ＋ＥＩｏＵ＋ＢｉＦＰＮ＋分割層的泛化能力最好，綜合考慮選擇ＹＯＬＯｖ８ｎ ＋ ＣＡ ＋ ＥＩｏＵ ＋ ＢｉＦＰＮ ＋ 分割層的模型。

由圖７ 可以看出，圖７（ｂ）和圖７（ｃ）在焊點區域和背景區域像素值相近時存在個別像素分類錯誤，即對焊點像素存在分割遺漏，模型的魯棒性不佳。圖７（ｅ）和圖７（ｆ）對于３ 個或更多焊點存在橋接時的分割效果存在橋接遺漏問題。圖７ （ｂ）、圖７（ｃ）和圖７ （ｄ）對于焊點邊緣分割效果均存在“一刀切”現象，即對于焊點細節分割魯棒性和表征能力較差。

針對以上模型存在的不足，本文基于ＹＯＬＯｖ８ｎ模型加入ＣＡ 機制，從而解決個別像素分類錯誤的問題。使用ＢｉＦＰＮ 和增加分割層，解決３ 個或更多焊點存在橋接時的橋接遺漏問題，其對于焊點邊緣信息分割更加準確并有更好泛化能力。采用ＣＡ 機制和ＥＩｏＵ 損失函數，從而避免ＩｏＵ 波動導致誤判，提高模型精度。如表２ 所示相應的ｍＰＡ、ｍＩｏＵ 和ＦＰＳ等參數均得到提升。本文算法相較于Ｕ-Ｎｅｔ、ＹＯＬＯＳｅｇ 和ＹＯＬＯ８ｎ 而言，ｍＰＡ 提高７． ２％ 、１０． ４８％和２． ９６％ ，ｍＩｏＵ 提高５． ８２％ 、１０． ４８％ 和５． ４２％ ，ＦＰＳ 提高９、１２ 和６。通過使用相同數據集進行對比實驗，證明了本文算法分割效果最好。

４ 結束語

針對本文所收集的產品，進行了焊錫語義分割實驗。基于ＹＯＬＯｖ８ｎ 的模型，本文通過在Ｂａｃｋｂｏｎｅ中引入ＣＡ 機制，提取各個焊點的全局位置信息，從而實現對焊點的精準分割。另外，通過采用ＥＩｏＵ 損失函數，提高模型的精度，增強其魯棒性。最后使用ＢｉＦＰＮ 金字塔增強邊緣信息的提取能力并提高模型泛化能力。通過與幾個經典的語義分割模型進行對比實驗得出結論，本文改進算法的ｍＰＡ 達到９０． ３７％ 、ｍＩｏＵ 達到８３． ７６％ 、ＦＰＳ 達到４３。實驗結果表明，本文算法優于目前主流的語義分割模型Ｕ-Ｎｅｔ、ＹＯＬＯＳｅｇ 和ＹＯＬＯｖ８ｎ，但是檢測速度并沒有優勢，在未來研究中可以對模型進一步改進。如使用深度可分離卷積減少模型參數量或者使用輕量型的骨干網絡等。

參考文獻

［１］ 張俊賢． 基于機器視覺的ＰＣＢＡ 焊錫缺陷檢測系統研究［Ｄ］． 杭州：浙江大學，２０２１．

［２］ 雷崢鳴． 基于機器視覺的ＰＣＢ 焊錫缺陷檢測［Ｄ］． 廣州：廣東工業大學，２０２１．

［３］ 楊潔潔，楊頂． 基于深度學習的語義分割綜述［Ｊ］． 長江信息通信，２０２２，３５（２）：６９－７２．

［４］ ＳＨＥＬＨＡＭＥＲ Ｅ，ＬＯＮＧ Ｊ，ＤＡＲＲＥＬＬ Ｔ． Ｆｕｌｌｙ ＣｏｎｖｏｌｕｔｉｏｎａｌＮｅｔｗｏｒｋｓ ｆｏｒ Ｓｅｍａｎｔｉｃ Ｓｅｇｍｅｎｔａｔｉｏｎ［Ｊ］． ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓｏｎ Ｐａｔｔｅｒｎ Ａｎａｌｙｓｉｓ ａｎｄ Ｍａｃｈｉｎｅ Ｉｎｔｅｌｌｉｇｅｎｃｅ，２０１７，３９（４）：６４０－６５１．

［５］ ＺＨＡＯ Ｈ Ｓ，ＳＨＩ Ｊ Ｐ，ＱＩ Ｘ Ｊ，ｅｔ ａｌ． Ｐｙｒａｍｉｄ Ｓｃｅｎｅ ＰａｒｓｉｎｇＮｅｔｗｏｒｋ［Ｃ］∥２０１７ ＩＥＥＥ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎａｎｄ Ｐａｔｔｅｒｎ Ｒｅｃｏｇｎｉｔｉｏｎ （ＣＶＰＲ）． Ｈｏｎｏｌｕｌｕ：ＩＥＥＥ，２０１７：６２３０－６２３９．

［６］ ＲＯＮＮＥＢＥＲＧＥＲ Ｏ，ＦＩＳＣＨＥＲ Ｐ，ＢＲＯＸ Ｔ． ＵＮｅｔ：Ｃｏｎｖｏｌｕｔｉｏｎａｌ Ｎｅｔｗｏｒｋｓ ｆｏｒ Ｂｉｏｍｅｄｉｃａｌ Ｉｍａｇｅ Ｓｅｇｍｅｎｔａｔｉｏｎ［Ｃ］∥ Ｍｅｄｉｃａｌ Ｉｍａｇｅ Ｃｏｍｐｕｔｉｎｇ ａｎｄ ＣｏｍｐｕｔｅｒａｓｓｉｓｔｅｄＩｎｔｅｒｖｅｎｔｉｏｎ． Ｍｕｎｉｃｈ：Ｓｐｒｉｎｇｅｒ，２０１５：２３４－２４１．

［７］ ＣＨＥＮ Ｌ Ｃ，ＰＡＰＡＮＤＲＥＯＵ Ｇ，ＫＯＫＫＩＮＯＳ Ｉ，ｅｔ ａｌ． Ｓｅｍａｎｔｉｃ Ｉｍａｇｅ Ｓｅｇｍｅｎｔａｔｉｏｎ ｗｉｔｈ Ｄｅｅｐ Ｃｏｎｖｏｌｕｔｉｏｎａｌ Ｎｅｔｓａｎｄ Ｆｕｌｌｙ Ｃｏｎｎｅｃｔｅｄ ＣＲＦＳ ［ＥＢ ／ ＯＬ］． （２０１４ － １２ － ２２）［２０２３－０９－０２］． ｈｔｔｐｓ：∥ａｒｘｉｖ． ｏｒｇ ／ ａｂｓ ／ １４１２． ７０６２．

［８］ ＣＨＥＮ Ｌ Ｃ，ＰＡＰＡＮＤＲＥＯＵ Ｇ，ＫＯＫＫＩＮＯＳ Ｉ，ｅｔ ａｌ． Ｄｅｅｐｌａｂ：Ｓｅｍａｎｔｉｃ Ｉｍａｇｅ Ｓｅｇｍｅｎｔａｔｉｏｎ ｗｉｔｈ Ｄｅｅｐ ＣｏｎｖｏｌｕｔｉｏｎａｌＮｅｔｓ，Ａｔｒｏｕｓ Ｃｏｎｖｏｌｕｔｉｏｎ，ａｎｄ Ｆｕｌｌｙ Ｃｏｎｎｅｃｔｅｄ ＣＲＦｓ［Ｊ］．ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｐａｔｔｅｒｎ Ａｎａｌｙｓｉｓ ａｎｄ Ｍａｃｈｉｎｅ Ｉｎｔｅｌｌｉｇｅｎｃｅ，２０１８，４０（４）：８３４－８４８．

［９］ ＣＨＥＮ Ｌ Ｃ，ＰＡＰＡＮＤＲＥＯＵ Ｇ，ＳＣＨＲＯＦＦ Ｆ，ｅｔ ａｌ． Ｒｅｔｈｉｎｋｉｎｇ Ａｔｒｏｕｓ Ｃｏｎｖｏｌｕｔｉｏｎ ｆｏｒ Ｓｅｍａｎｔｉｃ Ｉｍａｇｅ Ｓｅｇｍｅｎｔａｔｉｏｎ［ＥＢ ／ ＯＬ］． （２０１７－０１－１７）［２０２３－０９－０２］． ｈｔｔｐｓ：∥ａｒｘｉｖ．ｏｒｇ ／ ａｂｓ ／ １７０６． ０５５８７．

［１０］ ＣＨＥＮ Ｌ Ｃ，ＺＨＵ Ｙ Ｋ，ＰＡＰＡＮＤＲＥＯＵ Ｇ，ｅｔ ａｌ． ＥｎｃｏｄｅｒＤｅｃｏｄｅｒ ｗｉｔｈ Ａｔｒｏｕｓ Ｓｅｐａｒａｂｌｅ Ｃｏｎｖｏｌｕｔｉｏｎ ｆｏｒ Ｓｅｍａｎｔｉｃ ＩｍａｇｅＳｅｇｍｅｎｔａｔｉｏｎ［Ｃ］∥Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ Ｅｕｒｏｐｅａｎ Ｃｏｎｆｅｒｅｎｃｅｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ （ＥＣＣＶ ）． Ｍｕｎｉｃｈ：Ｓｐｒｉｎｇｅｒ，２０１８：８３３－８５１．

［１１］ 毛萬菁，阮炬全，劉朔． 基于注意力機制的改進ＵＮｅｔ草莓病害語義分割［Ｊ］． 計算機系統應用，２０２３，３２（６）：２５１－２５９．

［１２］ 楊奎河，張宇． 交通場景下基于ＹＯＬＯｖ５ 的目標檢測與分割算法［Ｊ］． 長江信息通信，２０２３，３６（４）：４８－５０．

［１３］ 李孟浩，袁三男． 基于改進ＹＯＬＯｖ５ｓ 的交通標識檢測算法［Ｊ］． 南京信息工程大學學報（自然科版），２０２４，１６（１）：１１－１９．

［１４］ 曾耀，高法欽． 基于改進ＹＯＬＯｖ５ 的電子元件表面缺陷檢測算法［Ｊ］． 浙江大學學報（工學版），２０２３，５７（３）：４５５－４６５．

［１５］ 杜少聰，張紅鋼，王小敏． 基于改進ＹＯＬＯｖ５ 的鋼軌表面缺陷檢測［Ｊ］． 北京交通大學學報，２０２３，４７ （２）：１２９－１３６．

［１６］ 段必沖，馬明濤． 基于改進ＹＯＬＯｖ５ 算法的口罩檢測研究［Ｊ］． 計算機工程與應用，２０２３，５９（１６）：２２３－２３１．

［１７］ ＬＩＵ Ｓ Ｌ，ＱＩ Ｌ，ＱＩＮ Ｈ Ｆ，ｅｔ ａｌ． Ｐａｔｈ Ａｇｇｒｅｇａｔｉｏｎ Ｎｅｔｗｏｒｋｆｏｒ Ｉｎｓｔａｎｃｅ Ｓｅｇｍｅｎｔａｔｉｏｎ［Ｃ］∥２０１８ ＩＥＥＥ ／ ＣＶＦ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ ａｎｄ Ｐａｔｔｅｒｎ Ｒｅｃｏｇｎｉｔｉｏｎ． ＳａｌｔＬａｋｅ Ｃｉｔｙ：ＩＥＥＥ，２０１８：８７５９－８７６８．

［１８］ ＺＨＥＮＧ Ｚ Ｈ，ＷＡＮＧ Ｐ，ＬＩＵ Ｗ，ｅｔ ａｌ． ＤｉｓｔａｎｃｅＩｏＵ Ｌｏｓｓ：Ｆａｓｔｅｒ ａｎｄ Ｂｅｔｔｅｒ Ｌｅａｒｎｉｎｇ ｆｏｒ Ｂｏｕｎｄｉｎｇ Ｂｏｘ Ｒｅｇｒｅｓｓｉｏｎ［Ｊ］． Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ＡＡＡＩ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ，２０２０，３４（７）：１２９９３－１３０００．

［１９］ ＨＯＵ Ｑ Ｂ，ＺＨＯＵ Ｄ Ｑ，ＦＥＮＧ Ｊ Ｓ． Ｃｏｏｒｄｉｎａｔｅ Ａｔｔｅｎｔｉｏｎ ｆｏｒＥｆｆｉｃｉｅｎｔ Ｍｏｂｉｌｅ Ｎｅｔｗｏｒｋ Ｄｅｓｉｇｎ［Ｃ］∥Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅＩＥＥＥ ／ ＣＶＦ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ ａｎｄ ＰａｔｔｅｒｎＲｅｃｏｇｎｉｔｉｏｎ． Ｎａｓｈｖｉｌｌｅ：ＩＥＥＥ，２０２１：１３７０８－１３７１７．

［２０］ ＴＡＮ Ｍ Ｘ，ＰＡＮＧ Ｒ Ｍ，ＬＥ Ｑ Ｖ． ＥｆｆｉｃｉｅｎｔＤｅｔ：Ｓｃａｌａｂｌｅａｎｄ Ｅｆｆｉｃｉｅｎｔ Ｏｂｊｅｃｔ Ｄｅｔｅｃｔｉｏｎ ［Ｃ］∥ ２０２０ ＩＥＥＥ ／ ＣＶＦＣｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ ａｎｄ Ｐａｔｔｅｒｎ Ｒｅｃｏｇｎｉｔｉｏｎ（ＣＶＰＲ）． Ｓｅａｔｔｌｅ：ＩＥＥＥ，２０２０：１０７７８－１０７８７．

［２１］ ＺＨＡＮＧ Ｙ Ｆ，ＲＥＮ Ｗ Ｑ，ＺＨＡＮＧ Ｚ，ｅｔ ａｌ． Ｆｏｃａｌ ａｎｄ Ｅｆｆｉｃｉｅｎｔ ＩＯＵ Ｌｏｓｓ ｆｏｒ Ａａｃｃｕｒａｔｅ Ｂｏｕｎｄｉｎｇ Ｂｏｘ Ｒｅｇｒｅｓｓｉｏｎ［Ｊ］． Ｎｅｕｒｏｃｏｍｐｕｔｉｎｇ，２０２２，５０６：１４６－１５７．

［２２］ 于營，王春平，付強，等． 語義分割評價指標和評價方法綜述［Ｊ］． 計算機工程與應用，２０２３，５９（６）：５７－６９．

作者簡介

盧子冊 男，（１９９７—），碩士研究生。主要研究方向：計算機視覺、圖像處理和語義分割。

劉小芳 女，（１９６９—），博士，教授。主要研究方向：智能信息處理、模式識別和數據挖掘等。

王德偉 男，（１９９８—），碩士研究生。主要研究方向：圖像處理。