基于参考的缺陷检测网络
计算机视觉与模式识别
2021-08-11 v1
摘要
缺陷检测任务可以被视为计算机视觉领域中目标检测的一个实际场景，并在工业领域得到广泛应用。直接将原始目标检测器应用于缺陷检测任务可以取得有希望的结果，但仍存在尚未解决的挑战性问题。第一个问题是纹理偏移，这意味着训练好的缺陷检测器模型很容易受到未见纹理的影响；第二个问题是局部视觉混淆，即部分缺陷框在视觉上与完整框相似。为了解决这两个问题，我们提出了一种基于参考的缺陷检测网络（Reference-based Defect Detection Network, RDDN）。具体而言，我们分别引入了模板参考和上下文参考来应对这两个问题。模板参考可以从图像、特征或区域级别减少纹理偏移，从而促使检测器更关注缺陷区域。在本工作中，我们可以使用对齐良好的模板图像或伪模板生成器的输出作为模板参考，并通过正常样本的监督与检测器进行联合训练。为了解决局部视觉混淆问题，我们提出利用上下文参考所携带的上下文信息，即每个候选区域的同心更大框，以执行更准确的区域分类和回归。在两个缺陷检测数据集上的实验证明了我们所提出方法的有效性。
引用
@article{arxiv.2108.04456,
title = {Reference-based Defect Detection Network},
author = {Zhaoyang Zeng and Bei Liu and Jianlong Fu and Hongyang Chao},
journal= {arXiv preprint arXiv:2108.04456},
year = {2021}
}