面向复杂背景下表面缺陷分割的变化感知孪生网络
计算机视觉与模式识别
2024-09-04 v1
摘要
尽管深度视觉网络在检测区域级表面缺陷方面取得了令人瞩目的突破，但由于缺陷外观多样且数据稀缺，高质量的像素级缺陷检测仍然面临挑战。为避免过度依赖缺陷外观并实现精确的缺陷分割，我们提出了一种变化感知孪生网络，在变化检测框架中解决缺陷分割问题。我们引入了一种新颖的多类平衡对比损失来指导基于Transformer的编码器，使其能够将不同类别的缺陷编码为缺陷图像与无缺陷图像之间统一的类别无关差异。然后，由距离图表示的差异通过跳跃连接传递到变化感知解码器，以辅助定位类内和类外的像素级缺陷。此外，我们提出了一个在复杂且不连贯背景下的多类液晶显示器（LCD）缺陷合成数据集，以展示基于变化的建模相对于基于外观的建模在缺陷分割方面的优势。在我们提出的数据集和两个公开数据集上，我们的模型在保持相对较小模型尺寸的同时，取得了优于领先语义分割方法的性能。此外，与各种监督设置下的半监督方法相比，我们的模型达到了新的最先进性能。
引用
@article{arxiv.2409.00589,
title = {Change-Aware Siamese Network for Surface Defects Segmentation under Complex Background},
author = {Biyuan Liu and Huaixin Chen and Huiyao Zhan and Sijie Luo and Zhou Huang},
journal= {arXiv preprint arXiv:2409.00589},
year = {2024}
}