基于综合注意力的钢材表面缺陷检测方法

摘要

提出一种新颖的基于综合注意力的钢材表面缺陷检测方法，用于提升对于缺陷与背景对比度低、类内缺陷尺寸差异大等问题的钢材表面缺陷检测性能。1）基于卷积与自注意力混合模块进行特征提取，获取具有局部细节特征信息与长距离像素依赖关系的特征图，有助于增强对于类内特征形状、尺寸变化的处理能力，提升对于复杂背景检测的鲁棒性。2）设计了一种综合注意力结构，其中包含空间注意力模块、通道注意力模块与自注意力模块，充分利用注意力机制对当前特征图进行特征提取，突出存在背景干扰的钢材表面图像中的缺陷目标。实验结果表明，该方法在NEU-DET和GC10-DET数据集上带来了检测性能提升，证明了该方法的有效性与泛化能力。

关键词

自注意力 / 注意力机制 / 表面缺陷检测 / 特征融合