SwinBN:一种基于Swin Transformer的针织物疵点检测模型

作者：胡越杰; 蒋高明^*

来源：丝绸, 2023, 60(01): 59-69.

• 针织物
• 疵点检测
• 可变形卷积
• 图像处理
• 自注意力
• Swin Transformer
• 计算机视觉

随着针织工业的发展，针织产品疵点的检测与分类成为一个具有广泛应用价值的研究领域。卷积神经网络受限于卷积运算的局部性，无法高效地关注全局特征。基于Transformer模型的研究越来越多，取得了良好的效果，但是仍然存在小目标识别能力差和局部特征提取能力不足等缺陷。为了解决这些问题，文章整合Transformer和CNN的优势对Swin Transformer进行优化，设计了DCSW(Deformable convolution and swin transformer)骨干网络以加强模型的局部感知能力，提高小目标疵点检测的准确率。除此之外，还构造了改进的BiFPN多尺度特征融合网络，有助于增强模型的定位精度。最终结合骨干网络和特征融合框架的多尺度自适应模型SwinBN,在自制的针织物疵点图像数据集上评估，其精确率、召回率和mAP值分别达到72.32%、78.87%和71.07%。实验结果表明，该模型优于现有最佳的目标检测方法，为针织物产品质量控制提供了一种新的解决方案。

• 单位
  江南大学