面向X射线焊缝图像标志的轻量级高精度识别框架
计算机视觉与模式识别
2021-10-19 v1
摘要
X射线图像常用于质量检测行业以确保设备安全。X射线焊缝图像上印刷标志的识别在制造业数字追溯系统中起着至关重要的作用。然而，焊缝图像中目标的尺度差异极大，阻碍了我们实现令人满意的识别。在本文中，我们提出了一种基于卷积神经网络（CNN）的焊缝图像标志识别框架。该框架首先包含一个浅层分类网络，用于校正图像的姿态。此外，我们提出了一个新颖的空间与通道增强（spatial and channel enhancement, SCE）模块来解决上述尺度问题。该模块能够整合多尺度特征，并自适应地为每个特征源分配权重。基于 SCE 模块，设计了一个窄网络用于最终的焊缝信息识别。为了增强我们框架的实用性，我们精心设计了具有少量参数和计算量的框架架构。实验结果表明，我们的框架在分类阶段实现了 99.7% 的准确率，计算量为 1.1 十亿次浮点运算；在识别阶段实现了 90.0 的平均精度均值，速度为 176.1 帧每秒（FPS）。
引用
@article{arxiv.2110.09278,
title = {A Lightweight and Accurate Recognition Framework for Signs of X-ray Weld Images},
author = {Moyun Liu and Jingming Xie and Jing Hao and Yang Zhang and Xuzhan Chen and Youping Chen},
journal= {arXiv preprint arXiv:2110.09278},
year = {2021}
}