基于 Sinkhorn 匹配的可微 NMS 用于端到端纺织品缺陷检测
计算机视觉与模式识别
2025-05-13 v1
摘要
纺织品缺陷检测面临两个根本性挑战。首先，传统的非最大抑制会破坏梯度流，阻碍真正的端到端学习。其次，在工业规模上获取像素级标注成本极高。针对这些限制，我们提出了一种用于纺织品缺陷检测的可微 NMS 框架，通过端到端优化实现卓越的局部定位精度。我们将 NMS 重新表述为通过 Sinkhorn-Knopp 求解的可微二分匹配问题，保持网络整个过程中梯度的连续流动。这一方法特别针对纺织品缺陷的不规则形态和模糊边界，通过整合候选框质量、特征相似性和空间关系。我们的熵受限掩码细化机制通过原则化的不确定性建模进一步提升了局部定位精度。大量实验表明，在天池纺织品缺陷数据集上，我们的方法在现有方法之上实现了显著的性能提升，同时保持适用于工业部署的实时速度。该框架在不同架构之间展现出显著的适应性，并能有效推广到通用目标检测任务。
引用
@article{arxiv.2505.07040,
title = {Differentiable NMS via Sinkhorn Matching for End-to-End Fabric Defect Detection},
author = {Zhengyang Lu and Bingjie Lu and Weifan Wang and Feng Wang},
journal= {arXiv preprint arXiv:2505.07040},
year = {2025}
}