一种基于改进SKNet的晶体图像异常识别算法

作     者：董建 卯福启 DONG Jian;MAO Fuqi

作者机构：北方工业大学信息学院北京100144 北方工业大学北京100144 中国地质大学(北京)北京100083 

出 版 物：《北京工业职业技术学院学报》 (Journal of Beijing Polytechnic College)

年 卷 期：2022年第21卷第2期

页      面：30-38页

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

主　　题：高分辨率透射电镜 晶体图像异常识别 可选择卷积核网络 通道注意力 聚焦损失 

摘      要：晶体缺陷的研究在材料领域中十分重要,为此提出一种晶体异常图像检测方法。通过对晶体缺陷图像特点进行分析,以可选择卷积核网络(Selective Kernel Networks,SKNet)作为基础模型,同时对SKNet进行改进,以提高检测效果。一方面,为了避免通道权重信息的丢失,提高特征提取能力,采用高效通道注意力模块来替代SKNet中的压缩、激励模块;另一方面,为了提高对困难样本的分类效果,引入焦点损失替代交叉熵损失。实验结果表明:与参考算法相比,改进算法平均准确率提高了3.9%,异常图像精确率提高了1.5%,召回率提高了5.2%。