[发明专利]基于改进Faster-RCNN的缺陷检测方法及装置

权利要求书

1.一种基于改进Faster-RCNN的缺陷检测方法，其特征在于，所述方法包括：

获取冲压成品的待检测图像；

通过预先训练好的改进的Faster-RCNN模型对所述待检测图像进行缺陷的检测，得到所述待检测图像的检测结果；其中，改进的Faster-RCNN模型包括主干网络、区域建议网络、感兴趣区域池化层和头部网络，所述主干网络包括特征提取模块，所述特征提取模块采用多个卷积块并在指定相邻卷积块之间设置有注意力模块。

2.根据权利要求1所述的方法，其特征在于，每个所述注意力模块用于：

对相应卷积块输出的输入特征图进行卷积操作，得到相应的注意力特征图；

计算所述注意力特征图的各个通道间的相关性，得到相应的协方差矩阵；其中，所述协方差矩阵中的每个元素用于表征每个通道与其自身或其他通道间的依赖关系；

对所述协方差矩阵进行线性卷积操作，得到相应的特征向量；

对所述特征向量进行非线性激活操作，得到相应的权重向量；

将所述输入特征图与所述权重向量点乘，得到相应的输出特征图；其中，所述输出特征图的尺寸与所述输入特征图的尺寸相同。

3.根据权利要求2所述的方法，其特征在于，对相应卷积块输出的输入特征图进行卷积操作，得到相应的注意力特征图的步骤包括：

按照以下公式对相应卷积块输出的输入特征图进行可变形卷积计算，得到相应的注意力特征图：

其中，I为3×3的可变形卷积核，为输入特征图的每个元素位置，为I的第i个点，为在输入特征图对应元素位置的偏移量，为在输入特征图对应元素位置偏移后在输入特征图上的值，为的权重，为输入特征图上以为中心的特征区域经过I一次滑动卷积后计算出的值，特征区域的尺寸与I的尺寸对应。

4.根据权利要求2所述的方法，其特征在于，计算所述注意力特征图的各个通道间的相关性，得到相应的协方差矩阵的步骤包括：

获取所述注意力特征图的各个通道的特征图；

将所述注意力特征图的每个通道的特征图转换成相应的列向量；

按照以下公式计算所述注意力特征图的每个通道的特征图与其自身或其他通道的特征图之间的协方差：

其中，f_i为第i个通道的特征图对应的列向量，f_j为第j个通道的特征图对应的列向量，为第i个通道的特征图对应的列向量中元素的均值，为第j个通道的特征图对应的列向量中元素的均值，，，为第i个通道的特征图对应的列向量中第k个元素的值，为第j个通道的特征图对应的列向量中第k个元素的值，w和h分别为特征图的宽和高；

基于所述注意力特征图的每个通道的特征图与其自身或其他通道的特征图之间的协方差，构建所述注意力特征图对应的协方差矩阵如下：

∑

其中，∑为协方差矩阵，c为所述注意力特征图的通道数。

5.根据权利要求4所述的方法，其特征在于，对所述协方差矩阵进行线性卷积操作，得到相应的特征向量的步骤包括：

通过线性卷积将c×c的协方差矩阵变换成1×4c的特征向量。

6.根据权利要求5所述的方法，其特征在于，对所述特征向量进行非线性激活操作，得到相应的权重向量的步骤包括：

通过非线性激活将1×4c的特征向量变换成1×c’的权重向量；其中，c’为输入特征图的通道数。

7.根据权利要求1所述的方法，其特征在于，所述缺陷包括以下中至少之一：缩颈、开裂、褶皱。