科研之友
微信
新浪微博
Facebook
分享链接
摘要
晶体缺陷的研究在材料领域中十分重要，为此提出一种晶体异常图像检测方法。通过对晶体缺陷图像特点进行分析，以可选择卷积核网络(Selective Kernel Networks, SKNet)作为基础模型，同时对SKNet进行改进，以提高检测效果。一方面，为了避免通道权重信息的丢失，提高特征提取能力，采用高效通道注意力模块来替代SKNet中的压缩、激励模块；另一方面，为了提高对困难样本的分类效果，引入焦点损失替代交叉熵损失。实验结果表明：与参考算法相比，改进算法平均准确率提高了3.9%,异常图像精确率提高了1.5%,召回率提高了5.2%。
- 单位
