融合带权非局部模块的铝型材表面缺陷分类

摘要：

针对铝型材表面缺陷分类任务中存在的极端长宽比、小面积缺陷分类困难问题,提出基于融合带权非局部模块和辅助分类器的表面缺陷分类方法(Fusion of Weighted Non-local Modules and Auxiliary Classifier Networks,FWACNet).该方法通过提出带权非局部模块,利用点积相似度计算特征图空间上不同位置的相似性,以提升模型捕捉长距离依赖关系及上下文信息的能力;同时考虑到浅层特征中的纹理、边缘等细节信息会影响表面缺陷分类效果,设计深层和浅层特征融合的辅助分类器,以提升模型对浅层特征中细节信息的挖掘能力.为验证所提FWACNet方法的有效性,在公开的铝型材表面缺陷数据集上进行仿真实验,实验结果表明FWACNet较主流分类网络在极端长宽比、小面积的缺陷分类困难的问题上具有一定优势,分类准确率达95.7％.

关键词：铝型材表面缺陷分类、带权非局部模块、特征融合、辅助分类器

分类号：TP391(计算技术、计算机技术)

资助基金：贵州省科技计划项目;贵州民族大学自然科学基金资助项目;贵州省青年科技人才成长项目;贵州省青年科技人才成长项目

在线出版日期：2023-06-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：86-92