Hochleistungs-Segmentierung von Meerestieren mit Dual-SAM
Eine neuartige Lernarchitektur namens Dual-SAM wird vorgestellt, um die Leistung der Segmentierung von Meerestieren erheblich zu verbessern. Dual-SAM nutzt eine duale Struktur, um die Merkmalsextraktion von Meeresbildern zu verbessern, und führt eine Multi-Level-gekoppelte Eingabeaufforderung ein, um umfassende Vorabinformationen über Unterwasserszenarien zu vermitteln. Darüber hinaus werden eine Dilated Fusion Attention Module und eine Criss-Cross Connectivity Prediction entwickelt, um die Wahrnehmung der Lokalisierung von Meerestieren zu verbessern.