一种基于多尺度注意力引导和知识蒸馏的表面缺陷检测方法

摘要

本发明公开了一种基于多尺度注意力引导和知识蒸馏的表面缺陷检测方法，包括以下步骤：S1：采集待检测工业设备的表面缺陷图片，构建并训练教师网络模型；S2：将表面缺陷图片输入至学生网络模型，并对学生网络模型进行训练；S3：对采集的表面缺陷图片进行检测，完成对工业设备的表面缺陷检测。将知识蒸馏应用于表面缺陷检测领域，提出了一种新的工业缺陷检测模型训练框架，在平衡精度和速度的情况下，极大的减少了深度神经网络在计算和内存上的消耗，训练出适用于工业部署的缺陷检测模型。本发明提出的多尺度注意力机制引导的知识蒸馏方法，使学生网络模仿教师网络关注的前景注意力图，提升特征层之间知识蒸馏的效率。