全局上下文聚合网络用于轻量级表面缺陷显著性检测
原文中文,约400字,阅读约需1分钟。发表于: 。表面缺陷检测是一个具有挑战性的任务,传统高精度的缺陷检测方法通常需要昂贵的计算和存储成本。因此,本文提出了一种基于编码 - 解码结构的全局上下文聚合网络 (GCANet) 来实现轻量级表面缺陷的显著性检测。GCANet 在轻量级骨干网络的顶部引入了一个新颖的 Transformer 编码器,并通过一种新颖的深度自注意 (DSA)...
本文提出了一种基于编码-解码结构的全局上下文聚合网络 (GCANet) 来实现轻量级表面缺陷的显著性检测。GCANet 引入了一个新颖的 Transformer 编码器和深度自注意 (DSA) 模块,捕获全局上下文信息。实验结果表明,GCANet 在准确性和运行效率之间取得了更好的平衡,在三个公开的缺陷数据集上取得了竞争性的结果。