面向航空钢管表面缺陷分割的轻量化网络，通过疑似缺陷筛选和少样本学习，在低算力设备上实现像素级检测。
Hu, Feng · 宋克臣 · Wenqi, Cui · Zhenbo, Zhou · Yan, Yunhui
IEEE Sensors Journal 2024
轻量疑似缺陷筛选网络 SDSNet 能达到 98.6% 的精度，有效过滤大量无缺陷样本，减少后续处理负担。
采用基于元学习的粒度迁移少样本分割，克服缺陷样本类别和数量的双重稀疏问题。
流水线可在基于 NPU 平台的边缘计算设备上以低计算成本部署，满足工业生产现场的实时检测需求。
缺陷分割网络 FASNet 达到 66.94% MIoU，在自建数据库上证明了方法的有效性。