20230914论文阅读

1、基于图像处理和深度学习的膜片缺陷检测

研究对象 膜片。本文提出了

1>图像预处理

图像梯度计算、图像二值化、图像开闭运算、图像相乘

2>修改模型参数

U2-net深度学习模型

2、基于 ＹＯＬＯ 的铝型材料表面小缺陷检测

研究对象：铝型材表面

1>扩张了检测尺度，改进后共四个检测头，改进锚框的计算。

2>运用 Ｎｅｔ２Ｎｅｔ以及迁移学习 的方法，对训练网络的权重及其他参数进行多重迁 移化处理，迁移学习。

迁移学习：１）选择预训练源 模型，选用开发者们在大型数据集上训练过的预训 练模型；２）重新使用模型，将第１步的预训练模型 作为下一个深度学习任务的起点，直接取其相应的 结构参数以及权重进行下一个任务的训练；３）调整 模型，根据目标数据集的具体属性对模型进行微调， 让模型适应新的目标检测任务

3、改进注意力机制的型钢表面微小缺陷检测方法

研究对象：型钢表面

1>双重多尺度注意力机制DMSA

多尺度长距离上下文特征 提取层，替代上采样操作之前的卷积过程。提高检测准确率

2>，使用深度可分离卷积替代YOLOv3模 型DarkNet53特征提干网络中的标准卷积，实现网络的 轻量化处理