金属表面缺陷检测

文章题目：《Automatic Metallic Surface Defect Detection and Recognition with Convolutional Neural Networks》

链接：https://pan.baidu.com/s/1W8r_gG3s2DIbAVgXV8DBpw

前言：祖略的过了一下文章，内容也不像作者说的那样很创新，算是基于FCN网络的改进吧，FCN网络是端到端的语义分割网络，输入一张图像，吐出来一张语义分割的结果图像。缺陷检测论文现在好多都是借助语义分割方法做的迁移应用到实际的工业现场等，比如国外知名的VIDI软件、国内一些检测软件。回到本文，文章内容很简单，框架很好理解，实验做的比较充分。将一张像素很高的缺陷图像输入一个语义分割网络（论文里的分割只对缺陷区域进行涂色，意思是训练样本集只标记处缺陷区域，没有分类，也不标记背景），再将语义分割后的缺陷区域进行CNN分类。

论文的最后，说论文的结果比FCN好，那是肯定的，FCN经典网络是端到端将语义意义的区域进行分割，并没有做太多的细化分割，比如点状缺陷和线状缺陷区域的分割；作者在网络后面记住CNN对缺陷分割后的区域进行分类，效果肯定是好于FCN的。

摘要：

论文中的框架分为检测和分