10.3969/j.issn.1009-0134.2023.05.043
铸件缺陷语义分割的编码器-解码器网络
深度学习的快速发展扩展了基于视觉的缺陷检测应用.针对铸件缺陷类间差异小、类内差异大、缺陷规模小等难点,提出一种编码器-解码器架构的语义分割网络,使用在ImageNet上预训练的ResNeSt主干网络作为特征提取器,构建密集连接的多尺度特征融合模块提升有效特征利用率,增强网络特征表示能力,解码器端融合低层级特征改善缺陷边缘分割效果,再通过双线性插值进行上采样以恢复空间分辨率.网络在构建的X射线铸件缺陷分割数据集上进行训练和评估,采用混合损失函数解决数据集样本不均衡问题,提升模型性能.实验结果表明,提出的语义分割方法能够提升铸件缺陷分割精度,效果优于其他语义分割方法.
铸件缺陷检测、深度学习、语义分割、ResNeSt、密集多尺度特征融合模块
45
TP391.4(计算技术、计算机技术)
中国机械科学研究总院技术发展基金重点项目10020173016
2023-05-30（万方平台首次上网日期，不代表论文的发表时间）
共8页
207-214
