基于软注意力机制的图像分类算法在缺陷检测中的应用

摘要：

针对传统表面缺陷检测算法检测效率低下,难以应对复杂性检测等问题,结合深度学习和注意力机制技术,提出一种新型注意力机制算法.首先,反思卷积神经网络(CNN)与Transformer架构,重新设计高维特征提取模块;其次,改进最新注意力机制来捕获全局特征.该算法可轻松嵌入各类CNN,提升图像分类和表面缺陷检测的性能.使用该算法的ResNet网络在CIFAR-100数据集和纺织品缺陷数据集上的准确率分别达到83.22％和77.98％,优于经典注意力机制SE与最新的Fca等方法.

关键词：缺陷检测、注意力机制、卷积神经网络、图像分类

所属期刊栏目：7

分类号：TP391.4(计算技术、计算机技术)

在线出版日期：2023-03-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：151-154