精选理由
这篇论文用迁移学习改造BiSeNetV2，把焊接焊缝分割的Joint IoU从50%多干到81%，零IoU失败恢复率96%，而且不改模型大小和速度，搞建筑焊接的可以看看。
该研究提出一种基于迁移学习和混合Cross-Entropy-Lovász损失的焊缝分割框架，以解决建筑焊接中光照、反射和薄几何形状导致的分割退化问题。在BiSeNetV2骨干网上，新方法达到81.76% Joint IoU和90.73% mIoU，较OHEM基线提升+22.36个百分点，且保持相同FLOPs和推理速度。在反射条件下，该方法恢复了96.33%的严重零IoU失败案例。与DeepLabV3+、UNet、SegFormer的对比验证了该优化策略对轻量实时分割架构的有效性。
AI 翻译 · 中文
该研究提出一种基于迁移学习和混合Cross-Entropy-Lovász损失的焊缝分割框架，以解决建筑焊接中光照、反射和薄几何形状导致的分割退化问题。在BiSeNetV2骨干网上，新方法达到81.76% Joint IoU和90.73% mIoU，较OHEM基线提升+22.36个百分点，且保持相同FLOPs和推理速度。在反射条件下，该方法恢复了96.33%的严重零IoU失败案例。与DeepLabV3+、UNet、SegFormer的对比验证了该优化策略对轻量实时分割架构的有效性。
Reliable seam segmentation is essential for autonomous robotic welding in construction, where harsh illumination, specular reflections, and thin weld geometries often degrade segmentation performance. This study proposes…