SSD-Faster Net:一种用于工业缺陷检测的混合网络
计算机视觉与模式识别
2022-07-05 v1 机器学习
摘要
工业部件的质量对机器人等特殊设备的生产至关重要。对这些部件进行缺陷检测是确保质量的有效途径。本文提出一种混合网络SSD-Faster Net,用于轨道、绝缘子和换向器等工业缺陷检测。SSD-Faster Net是一个两阶段网络,包括用于快速定位缺陷块的SSD,以及用于缺陷分割的改进Faster R-CNN。对于前者,我们提出一种新颖切片定位机制以帮助SSD快速扫描。第二阶段基于改进Faster R-CNN,使用FPN、可变形核(DK)增强表征能力。其融合多尺度信息,并自适应感受野。我们还提出一种新颖损失函数并使用ROI Align以提高精度。实验表明,我们的SSD-Faster Net达到84.03%的平均精度,比基于Faster R-CNN的最接近竞争者高13.42%,比基于GAN的方法好4.14%,比基于DNN的检测器高10%以上。且计算速度提升近7%,证明了其鲁棒性与优越性能。
引用
@article{arxiv.2207.00589,
title = {SSD-Faster Net: A Hybrid Network for Industrial Defect Inspection},
author = {Jingyao Wang and Naigong Yu},
journal= {arXiv preprint arXiv:2207.00589},
year = {2022}
}