NAS-ASDet：一种基于神经架构搜索的表面缺陷检测网络自适应设计方法
计算机视觉与模式识别
2023-11-21 v1
摘要
深度卷积神经网络（CNNs）已广泛应用于表面缺陷检测。然而，没有一种CNN架构适用于所有检测任务，而设计有效的特定任务网络需要耗费大量精力。神经架构搜索（NAS）技术使得自动生成自适应数据驱动网络成为可能。本文提出一种称为NAS-ASDet的新方法，用于自适应设计表面缺陷检测网络。首先，设计了一个精炼且适合工业场景的搜索空间，其能够自适应调整特征分布，该搜索空间由反复堆叠的、带有可搜索注意力操作的新颖基本单元组成。然后，采用带有深度监督机制的渐进式搜索策略，更快更好地探索搜索空间。该方法能够在工业场景数据稀缺的条件下设计出高性能且轻量的缺陷检测网络。在四个数据集上的实验结果表明，与其他竞争方法（包括人工设计和基于NAS的方法）相比，所提方法取得了更优的性能以及相对更轻的模型规模。
引用
@article{arxiv.2311.10952,
title = {NAS-ASDet: An Adaptive Design Method for Surface Defect Detection Network using Neural Architecture Search},
author = {Zhenrong Wang and Bin Li and Weifeng Li and Shuanlong Niu and Wang Miao and Tongzhi Niu},
journal= {arXiv preprint arXiv:2311.10952},
year = {2023}
}