Light SDI-NAS:基于神经架构搜索的表面缺陷分割轻量级卷积神经网络
陈青石(Qingshi Chen)、
陈彪(Biao Chen)、
贾先石(Xianshi Jia)
李凯(Kai Li)
《Applied Sciences》:Light SDI-NAS: Lightweight Convolutional Neural Networks for Surface Defect Segmentation Based on Neural Architecture Search
Qingshi Chen,
Biao Chen,
Xianshi Jia and
Kai Li
【字体:
大
中
小
】
时间:2026年04月17日
来源:Applied Sciences 2.5
编辑推荐:
摘要
近年来,卷积神经网络(CNN)在工业图像基础的表面缺陷
摘要
近年来,卷积神经网络(CNN)在工业图像基础的表面缺陷检测领域取得了显著的成果。然而,许多最先进的(SOTA)网络变得越来越复杂且计算成本高昂,这限制了它们在资源受限环境或高吞吐量、实时、实际工业应用中的部署。为了解决这一挑战,本文提出了一种新颖的方法——Light SDI-NAS,通过神经架构搜索(NAS)自动设计轻量级的CNN架构,以实现实时工业表面缺陷检测。首先,通过整合神经网络架构设计的先验知识与实证观察,构建了一个针对工业图像检测的任务导向搜索空间。其次,引入了一种新的损失函数,在架构搜索过程中平衡模型准确性和计算效率。最后,Light SDI-NAS生成的轻量级网络在三个工业图像数据集上表现出色。实验结果表明,所提出的模型在准确性与手动设计的SOTA网络相当或更优,同时显著减少了参数数量,并将推理速度提高了1.8倍,使其非常适合实时工业检测应用。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号