融合动态特征选择与不确定性引导感知的层次化缺陷分割方法

本发明涉及计算机技术和现代制造技术领域，特别涉及一种融合动态特征选择与不确定性引导感知的层次化缺陷分割方法。本发明的技术方案包括以下步骤：首先，用ReSidual U‑block提取图像的原始特征，结合自适应增强模块得跳跃连接特征图；其次，该特征图经多尺度与注意力引导特征融合模块整合，获强化特征图；进而，整合特征图经深度特征空间与侧边模块协同，生成最终分割图；最后，设计不确定约束及可信度驱动的损失优化函数，通过得到的总损失引导模型训练，并在3600张训练集、1200张测试集上完成模型训练与验证。实验表明，提出的方法ConfidenceSegNet在公开ESDIS‑SOD和实际工业数据集上取得了最佳性能表现，相较于现有的先进模型展现出显著的性能优势。