面向纺织缺陷检测的视觉状态空间与注意力增强框架——Fab-ME
计算机视觉与模式识别
2024-12-06 v2
摘要
有效的缺陷检测对于确保纺织产品的质量、功能和经济价值至关重要。然而，现有方法在实现高精度、实时性能和高效全局信息提取方面存在挑战。为此，我们提出了基于 YOLOv8s 的 Fab-ME 框架，专为准确检测 20 种纺织缺陷类型而设计。我们的贡献包括引入跨阶段部分瓶颈双卷积(C2F)视觉状态空间(C2F-VMamba)模块，将视觉状态空间(VSS)块集成到 YOLOv8s 特征融合网络颈部，增强对复杂细节和全局上下文的捕获，同时保持高处理速度。此外，我们将增强型多尺度通道注意力(EMCA)模块集成到特征提取网络的最终层，显著提高对小目标的灵敏度。在天池纺织缺陷检测数据集上的实验结果表明，Fab-ME 相比原始 YOLOv8s 在 [email protected] 上提升了 3.5%，验证了其在精确和高效纺织缺陷检测方面的有效性。
引用
@article{arxiv.2412.03200,
title = {Fab-ME: A Vision State-Space and Attention-Enhanced Framework for Fabric Defect Detection},
author = {Shuai Wang and Huiyan Kong and Baotian Li and Fa Zheng},
journal= {arXiv preprint arXiv:2412.03200},
year = {2024}
}
备注
6 pages, 5 figures