工业缺陷分割中卷积神经网络的位移等效性研究
原文中文,约300字,阅读约需1分钟。发表于: 。在工业缺陷分割任务中,常用的度量指标是像素精度和交并比 (IoU),然而模型的输出一致性 (或等效性) 经常被忽视。本文提出了一种全新的上 / 下采样层对抗 CNN 中传统采样层的不足,并通过自适应窗口模块和组件注意力模块来改善图像边界变化对等效性的影响,实验结果表明该方法在工业缺陷数据集上具有较高的等效性和分割性能。
本文提出了一种新的上/下采样层对抗CNN中传统采样层的不足的方法,并通过自适应窗口模块和组件注意力模块来改善图像边界变化对等效性的影响,以提高工业缺陷分割任务的性能。实验结果表明该方法具有较高的等效性和分割性能。