SPFFNet：用于织物缺陷检测的条状感知与特征融合空间金字塔池化
计算机视觉与模式识别
2025-12-09 v3 人工智能
摘要
织物缺陷检测对质量控制至关重要，但现有方法常常难以应对复杂背景和特定形状的缺陷。在本文中，我们提出了一种基于YOLOv11的改进型织物缺陷检测模型。为了增强对条状缺陷的检测，我们引入了一个条状感知模块（SPM），通过多尺度卷积改善特征捕获。我们进一步通过集成压缩-激励机制来增强快速空间金字塔池化（SPPF），形成了SE-SPPF模块，该模块能更好地整合空间和通道信息，以实现更有效的缺陷特征提取。此外，我们提出了一种新颖的带有自适应权重的焦点增强完全交并比（FECIoU）度量，通过焦点损失调整难检测实例的权重，解决了尺度差异和类别不平衡问题。实验结果表明，我们的模型在天池数据集上的平均精度均值（mAP）提升了0.8-8.1%，在我们自定义数据集上提升了1.6-13.2%，优于其他最先进的方法。
引用
@article{arxiv.2502.01445,
title = {SPFFNet: Strip Perception and Feature Fusion Spatial Pyramid Pooling for Fabric Defect Detection},
author = {Peizhe Zhao and Shunbo Jia},
journal= {arXiv preprint arXiv:2502.01445},
year = {2025}
}
备注
6 pages, 4 figures, conference