典型文献
基于空间注意力多尺度特征融合的织物缺陷分类算法
文献摘要：
针对织物表面纹理复杂以及缺陷类型多样易混淆导致缺陷分类精度低的问题,设计了一种基于空间注意力多尺度特征融合的织物表面缺陷分类算法.使用多尺度金字塔池化模块保持特征图信息完整,同时将从高层特征图提取到的丰富语义信息作为先验信息指导底层特征,实现高低层特征的融合;将改进的空间注意力模块融合到卷积神经网络中,增强特征差异性表达;通过改进的类激活映射方法获取缺陷分类信息和位置信息.在数据增强和迁移学习方法的基础上对织物表面缺陷图像进行识别检测.实验结果表明,所提算法可以有效提高织物缺陷分类的准确率,同时可以在没有人工位置标注的情况下获得缺陷的位置信息.
文献关键词：
图像处理;卷积神经网络;空间注意力;多尺度融合;缺陷检测
中图分类号：
作者姓名：
宋智勇;潘海鹏
作者机构：
浙江理工大学机械与自动控制学院,浙江杭州310018
文献出处：
引用格式：
[1]宋智勇;潘海鹏-.基于空间注意力多尺度特征融合的织物缺陷分类算法)[J].激光与光电子学进展,2022(10):104-110
A类：
多尺度金字塔池化
B类：
空间注意力,多尺度特征融合,织物,缺陷分类,分类算法,表面纹理,缺陷类型,分类精度,表面缺陷,金字塔池化模块,保持特征,特征图,图信息,取到,富语义,语义信息,先验信息,底层特征,低层,注意力模块,模块融合,合到,特征差异性,差异性表达,类激活映射,映射方法,分类信息,位置信息,数据增强,迁移学习方法,识别检测,工位,多尺度融合,缺陷检测
AB值：
0.399571
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
