BriefGPT - AI 论文速递
·
联合注意力引导特征融合网络用于表面缺陷的显著性检测
💡
原文中文，约700字，阅读约需2分钟。
📝
内容提要
研究者提出了基于编码器-解码器网络的联合注意力引导特征融合网络（JAFFNet）用于面部缺陷的显著性检测，实现了每秒66帧的实时缺陷检测速度。
🎯
关键要点
- 面部缺陷检查在工业生产中至关重要。
- 基于卷积神经网络的缺陷检查方法面临缺陷尺度变化、复杂背景和低对比度等挑战。
- 提出了联合注意力引导特征融合网络（JAFFNet）用于表面缺陷的显著性检测。
- JAFFNet结合了联合注意力引导特征融合模块，以自适应地融合低级和高级特征。
- JAFF模块强调缺陷特征并抑制背景噪声，有助于检测低对比度缺陷。
- 引入密集感受野模块以捕捉丰富上下文信息，帮助检测不同尺度的缺陷。
- JAFF模块利用高级语义特征提供的学习联合通道-空间注意力图引导特征融合。
- DRF模块通过多感受野单元捕捉大范围感受野的丰富上下文信息。
- 在SD-saliency-900、磁砖和DAGM 2007上进行的实验表明，JAFFNet性能优越。
- JAFFNet实现了每秒66帧的实时缺陷检测速度。
➡️
