基于极值区域分析的检测缺陷深度学习框架

Zelin Deng; Xiaolong Yan; Shengjun Zhang; Colleen P. Bailey

基于极值区域分析的检测缺陷深度学习框架

信号处理 2020-05-26 v2 计算机视觉与模式识别

作者: Zelin Deng , Xiaolong Yan , Shengjun Zhang , Colleen P. Bailey

摘要

本文提出了一种基于极大稳定极值区域(MSER)分析的卷积神经网络(CNN)统一缺陷检测框架。我们提出的框架利用MSER的通用性与稳定性来生成所需的缺陷候选。然后在缺陷候选上采用特定训练的二值CNN分类器以产生最终缺陷集。实验中使用了不同类别的缺陷数据集。更一般地，MSER中的参数设置可调整以满足各工业中的不同需求（高精度、高召回等）。大量实验结果已表明所提框架的有效性。

关键词

缺陷检测 MSER 卷积神经网络极值区域分析二值分类器

引用

@article{arxiv.2003.08525,
  title  = {Extremal Region Analysis based Deep Learning Framework for Detecting Defects},
  author = {Zelin Deng and Xiaolong Yan and Shengjun Zhang and Colleen P. Bailey},
  journal= {arXiv preprint arXiv:2003.08525},
  year   = {2020}
}