适于少样本缺陷检测的两阶段缺陷增强网络

来源：计算机工程与应用杂志2022年第20期北京时间：

作者：陈朝, 刘志, 李恭杨, 彭铁根

单位：1.上海大学 通信与信息工程学院，上海 200444；2.宝山钢铁股份有限公司 中央研究院，上海 201999；

摘要：缺陷检测模型一般需要大量样本来学习缺陷的特征，但实际场景中一些重要缺陷的样本难以收集，如何用少量样本来学习罕见缺陷的特征成为一个具有挑战性的问题。为了促进少样本缺陷检测的研究，构建了一个新的工业表面缺陷数据集，包括缺陷样本和无缺陷样本。同时提出了一个两阶段缺陷增强网络以提升少样本场景下的缺陷检测性能，它利用了无缺陷样本，并将整个训练过程分为两个阶段。第一阶段的训练需要大量缺陷样本，而第二阶段的训练只需要少量缺陷样本和无缺陷样本。此外，还提出了一个缺陷突显模块，可以更好地利用无缺陷样本来增强缺陷区域的特征。在新数据集上的实验表明，该缺陷检测模型的性能优于其他的少样本目标检测模型，在工业表面缺陷检测中具有更好的应用前景。

关键词：缺陷检测,少样本学习,无缺陷样本,两阶段缺陷增强网络,缺陷突显模块