任务引导动态特征选择器

零推理开销提升检测精度

在FCOS基础上通过任务驱动损失动态评估每一层的正样本质量，让网络自动获得最优多尺度特征组合。

刘鹏飞 · Guangming, Xia · Fang, Li · Yuhan, Guo · Shuxian, Shang · Yuetong, Chang · Han, Feng · Wu, Biwei · 王伟波

Advanced Engineering Informatics 2026

参数信息

平均精度（NEU-DET）

80.7 mAP

平均精度（GC10-DET）

70.0 mAP

技术优势

正样本选择更准

不再依赖固定IoU阈值，而是用任务驱动的分类和定位损失动态评估每个真实框与各层特征间的匹配质量，使每个真实框能从最适合其尺度与语义的前三个特征层中选取正样本。

零推理开销

提出的动态选择与损失重加权策略仅在训练阶段生效，不会改变网络结构或增加推理时的计算量，可直接部署在资源受限的工业设备上。

应用场景

• 工业视觉检测：在不改变推理网络的前提下提升多尺度缺陷检测精度，适合产线实时质检。
• 表面缺陷检测：针对不同尺度缺陷自动选择最合适的特征层，比固定IoU规则更适应表面缺陷的尺度变化。
• 制造过程质量控制：训练时动态调整样本贡献，使模型更关注难样本，有利于在制造过程中稳定检出关键缺陷。
• 自动化光学检测：所提策略实现于轻量级FCOS基线，可直接部署在现有AOI设备中实现零开销精度提升。