基于改进Mask R-CNN的多背景下显示屏缺陷的实时分割方法

摘要

本发明公开了一种基于改进MaskR‑CNN的多背景下显示屏缺陷的实时分割方法。本发明将传统MaskR‑CNN模型特征提取网络与注意力机制模块相结合，在对不同背景下显示屏缺陷图像的特征进行提取过程中，通过加入注意力模块自适应调整输出特征的权重占比，减少不同背景对于缺陷检测的干扰，使得深度学习网络模型在像素级分割中所学习的特征更加集中，能更针对性的学习缺陷特征；在传统MaskR‑CNN模型多尺度特征融合网络中与注意力机制模块相结合，在获取特征信息中更加关注于显示屏缺陷特征信息；在整个框架的基础上，配合训练参数的调整，使得整个模型可用于对不同背景下的多目标检测人物的优化，并且检测精度与特征分割都优于传统模型。