针对传统表面缺陷检测算法检测效率低下，难以应对复杂性检测等问题，结合深度学习和注意力机制技术，提出一种新型注意力机制算法。首先，反思卷积神经网络（CNN）与Transformer架构，重新设计高维特征提取模块；其次，改进最新注意力机制来捕获全局特征。该算法可轻松嵌入各类CNN，提升图像分类和表面缺陷检测的性能。使用该算法的Res Net网络在CIFAR-100数据集和纺织品缺陷数据集上的准确率分别达到83.22%和77.98%，优于经典注意力机制SE与最新的Fca等方法。
科研之友
微信
新浪微博
Facebook
分享链接
