MLMA-Net：面向纺织缺陷图像多标签目标检测的多级多注意力学习
计算机视觉与模式识别
2021-02-02 v1
摘要
为识别与分类纺织缺陷，基于深度学习的方法已被提出并在单标签纺织图像中取得显著成功。然而，由于多种缺陷共存及小尺寸缺陷的存在，在纺织图像中检测多标签缺陷仍具挑战性。为应对这些挑战，提出并构建了一种多级多注意力深度学习网络（MLMA-Net），以 1）增强特征表示能力以检测小尺寸缺陷；2）生成判别性表示，最大化关注缺陷状态的能力，其利用更高分辨率的特征图处理多种缺陷。此外，构建了纺织缺陷图像中的多标签目标检测数据集（DHU-ML1000）以验证所提模型的性能。结果表明，该网络提取了更具区分性的特征，并在真实工业数据集上优于当前最先进的方法。
引用
@article{arxiv.2102.00376,
title = {MLMA-Net: multi-level multi-attentional learning for multi-label object detection in textile defect images},
author = {Bing Wei and Kuangrong Hao and Lei Gao},
journal= {arXiv preprint arXiv:2102.00376},
year = {2021}
}