科研之友
微信
新浪微博
Facebook
分享链接
摘要
缺陷检测是手机屏质量控制的重要环节。手机屏缺陷的特性带来了一些具有挑战性的问题，包括：（1）类间相似性和类内差异性；（2）低对比度、微小尺寸或不完整缺陷的识别带来的困难；（3）针对多标签图像的类别相关性建模。为了解决这些问题，本文提出一种图推理模块，它可以堆放在常规的分类模块上。该推理模块利用类别间的依赖性、图像间的关系以及类别图像之间的相互作用来扩展特征维度，并且达到改进低质量图像特征的目的。为了进一步提高分类性能，分类模块的分类器被设计为一个余弦相似度函数。在对比学习的帮助下，分类模块可以更好地初始化推理模块的类别图。在手机屏缺陷数据集上的实验表明，所提出的两阶段网络取得了最佳性能：准确率为97.7%,F-measure为97.3%。这证明了本文所提出的方法在工业应用中是有效的。
- 单位
