LiteRevNet:一种轻量级工业图像实例分割算法

摘要

为解决工业激光切缝视觉检测中实例分割算法精度不足、参数量与计算量大等问题，提出了一种轻量级工业图像实例分割算法(LiteRevNet)。在卷积操作中加入坐标信息，结合多尺度卷积核构建高效空间感知卷积，增强模型的特征提取能力。在此基础上，基于可逆列网络和高效空间感知卷积设计轻量化的主干网络，保持检测精度的同时，降低计算量和参数量。设计同时具有空间和通道感知能力的金字塔坐标通道注意力，加强网络模型对目标区域的关注度。构建轻量化三边原型掩码分支，大幅度降低模型的计算量。在自建激光切缝数据集上的实验结果表明，所提算法边框mAP50和掩码mAP50分别达到了96.7%和95.1%,检测速度可达200 FPS,参数量和计算量比YOLOv8s-Seg分别下降15.4%和38.7%。

关键词

工业视觉 / 实例分割 / 注意力机制 / YOLOv8s / 轻量化