PartsNet：一种用于汽车发动机精密零件缺陷检测的统一深度网络
计算机视觉与模式识别
2018-10-30 v1
摘要
缺陷检测是自动零件生产中的一项基础且必不可少的任务，尤其是对于汽车发动机精密零件。在本文中，我们提出了一种构建深度卷积网络的新思路，结合了特征处理的相关知识与深度学习的表征能力。我们的算法由一个逐像素分割深度神经网络(DNN)和一个特征精炼网络组成。提出全卷积 DNN 以学习零件缺陷的基本特征。此后，几种用于精炼分割结果的典型传统方法被转化为卷积形式并集成。我们将这些方法组装为一个具有固定权重和经验阈值的浅层网络。随后释放这些阈值以增强其适应能力并实现端到端训练。在不同数据集上的测试结果表明，所提方法具有良好的可移植性，并优于当前最先进(state-of-the-art)的算法。
引用
@article{arxiv.1810.12061,
title = {PartsNet: A Unified Deep Network for Automotive Engine Precision Parts Defect Detection},
author = {Zhenshen Qu and Jianxiong Shen and Ruikun Li and Junyu Liu and Qiuyu Guan},
journal= {arXiv preprint arXiv:1810.12061},
year = {2018}
}
备注
2nd International Conference on Computer Science and Artificial Intelligence (CSAI 2018)