基于自适应形状卷积和大核空间建模的高精度纺织品缺陷检测
计算机视觉与模式识别
2025-01-27 v1
摘要
纺织品缺陷检测在纺织行业中仍然具有挑战性，主要由于缺陷模式的多样性和复杂性。传统方法常因推理速度慢、准确率有限以及识别率不足而受到制约，尤其是在涉及复杂或细微缺陷的场景中。为克服这些局限性，我们提出了基于 YOLOv8s 架构的 Fab-ASLKS 纺织品缺陷检测框架。Fab-ASLKS 集成了两个关键模块：(1) 自适应形状卷积模块 (ASCM)，该模块在 Neck 区域运用自适应形状卷积，以增强特征融合能力，通过扩展标准 C2f 结构的功能来提升效率；(2) 大核移位卷积模块 (LKSCM)，旨在在 Backbone 区域模拟大核效果，实现对空间信息的优越提取。这些模块协同优化网络中的特征提取与信息集成。针对天池纺织品缺陷检测数据集开展的大量实验表明，Fab-ASLKS 在基线模型 mAP@50 上实现了 5% 的提升，展示了其在高精度与高效能方面的能力。
引用
@article{arxiv.2501.14190,
title = {High-Precision Fabric Defect Detection via Adaptive Shape Convolutions and Large Kernel Spatial Modeling},
author = {Shuai Wang and Yang Xu and Hui Zheng and Baotian Li},
journal= {arXiv preprint arXiv:2501.14190},
year = {2025}
}
备注
8 pages, 9 figures