基于可变形注意力的检测变换器与跨尺度特征融合用于工业卷材检验
计算机视觉与模式识别
2026-03-17 v1
摘要
自动化视觉检测 locomotive 卷材存在显著挑战，主要源于表面缺陷的形态多样性、显著的尺度变化以及复杂的工业背景。本文提出了 MSD-DETR（Multi-Scale Deformable Detection Transformer），一种新颖的检测框架，通过三项关键创新来解决上述挑战：（1）一种结构重参数组合策略，将训练时的多分支拓扑结构与推理时的效率解耦，增强特征提取能力同时保持实时性能；（2）可变形注意力机制，实现内容自适应的空间采样，使模型能动态聚焦于与缺陷形态不规则相关的区域；（3）集成 GSConv 模块和 VoVGSCSP 块的跨尺度特征融合架构，有效实现多分辨率信息的聚合。在真实世界的 locomotive 卷材数据集上进行的全面实验表明，MSD-DETR 在 98 FPS 的速度下实现了 92.4% [email protected]，超越包括 YOLOv8（提升 3.1% mAP）和基线 RT-DETR（提升 2.8% mAP）在内的最新检测器，同时保持可比的推理速度，为工业卷材质量检验树立了新基准。
引用
@article{arxiv.2603.13429,
title = {A Deformable Attention-Based Detection Transformer with Cross-Scale Feature Fusion for Industrial Coil Spring Inspection},
author = {Matteo Rossi and Pony Matt},
journal= {arXiv preprint arXiv:2603.13429},
year = {2026}
}