arrow
返回

A Surface Defect Detection Framework with Deformable Large-Kernel Attention and Multi-Layer Routing

delete2026-03-02
delete0
delete
OA
AI
J
Jiawen Sun
W
Wenzhong Yang
Y
Yabo Yin
J
Jinhai Sa
X
Xinjun Pei
D
Danni Chen
F
Fuyuan Wei
J
Jianli Zhou
DOI:10.1016/j.rineng.2026.109623delete
delete原文链接
delete原文求助
delete分享
delete收藏
摘要

摘要

En 中文
• 我们提出DMRF-Net,一种为工业场景中的尺度可变目标检测设计的鲁棒框架。它利用可变形大核分解注意力来建模目标位置偏移,同时整合全局和局部上下文语义。 • 我们提出上下文感知可变形核模块(C3K2),该模块利用大核分解注意力精确建模目标位置偏移,同时有效融合全局和局部上下文信息。 • 我们提出渐进式语义聚合(PSA)模块,该模块用动态多层路由机制替换传统静态注意力。这种方法优化了细粒度语义关联,实现了对微小缺陷的更好检测。 • 我们提出一种大核特征聚合模块,该模块集成双路径自适应池化以结合多尺度局部特征与全局语义。该模块构建了空间感知特征关联网络,提升了不同尺度下的目标检测性能。
Keyword:
Multi-layer routing
Large-kernel attention
Surface defect detection
Deep learning

期刊

Results in Engineering 封面图
Results in Engineering
IF:
7.9
论文数:
1.2W
被引数:
1.7W

机构

X
Xinjiang University
学者数:
1.4W
论文数: 8.7K
被引数: 1.1W
X
xinjiang university
学者数:
4.2K
论文数: 1.2K
被引数: 0
引用论文

引用论文

Mask R-CNN面具r-cnn
err2017-10-01
err0
PREAI
errKaiming He; Georgia Gkioxari; Piotr Dollar; Ross Girshick
err分享
err收藏
学者 查看更多内容