DDNet：用于回收书籍表面缺陷检测的可变形卷积和密集 FPN
计算机视觉与模式识别
2024-09-10 v1 人工智能
摘要
回收和再利用的书籍，如古籍和再使用的教科书，在二手市场上具有重要价值，其价值很大程度上取决于表面的保存情况。然而，由于形状、大小的巨大差异以及缺陷往往难以精确检测，准确评估表面缺陷具有挑战性。为此，我们提出了 DDNet，一种创新的检测模型，用于增强缺陷的局部化和分类。DDNet 引入了基于可变形卷积算子 (DC) 的表面缺陷特征提取模块和基于密集连接 FPN 模块 (DFPN) 的模块。DC 模块动态调整卷积网格以更好地对齐物体轮廓，捕捉细微的形状变化，从而提高边界描绘和预测准确度。而 DFPN 利用密集 skip 连接来增强特征融合，构建分层结构以生成多分辨率、高保真度特征图，从而有效检测各种大小的缺陷。除了该模型，我们还提供了一个专为回收和再利用书籍的表面缺陷检测精选的综合数据集。该数据集涵盖多样化的缺陷类型、形状和大小，使其适用于评估缺陷检测模型的鲁棒性和有效性。通过广泛的评估，DDNet 实现了表面缺陷的精确局部化和分类，在我们专有的专利数据集上记录了 46.7% 的 mAP 值——相对于基线模型提高了 14.2%，显示其卓越的检测能力。
引用
@article{arxiv.2409.04958,
title = {DDNet: Deformable Convolution and Dense FPN for Surface Defect Detection in Recycled Books},
author = {Jun Yu and WenJian Wang},
journal= {arXiv preprint arXiv:2409.04958},
year = {2024}
}