传统机器学习局限性
- 传统机器学习方法对于特定的算法只能解决特定的问题，不够灵活，无法快速适应新产品；
- 不同的问题有不同的特征，当需要解决新问题时，需要重新设计特征，开发周期长；
深度学习遇到的问题
- 训练数据数量需求大；
- 标注精度、耗时需求严格；
- 计算能力需求高。
该篇paper解决了深度学习遇到的如上三个问题
Paper贡献
该篇paper提出了一个两阶段的网络，即分割网络 + 决策网络。
- 分割网络用于对输入的图片进行缺陷的具体定位，最后生成分割掩码（二值图像）；
- 决策网络用于判断输入的图片是否存在缺陷，生成二值分类输出。
实现细节
分割网络
分割网络要在高分辨率的图像表面上检查小的缺陷，需满足两个要求：
- 具有较大的感受野；
- 能够捕捉到较小的特征细节；
因此，在设计时，需要具有下采样层，在比较深的层中使用尺寸大的卷积核。
决策网络
为什么要提出这样的决策网络？有什么作用？
简单的分割网络似乎没有足够的信息来预测图像中缺陷的存在。
- 决策网络能够从最后一个分割层的特征图中捕获信息；
- 额外的下采样增加了感受野的大小，能够捕获缺陷的全局形状。全局形状对分类很重要，有助于提高性能。
网络训练过程
数据集
该篇paper中使用到的是工业界中电机转向器的拍摄样本集Kolektor
网络在不同配置下的评估
网络在四个配置组下进行评估：
-
五种精度的标注；
-
两种损失函数 (均方误差、交叉熵)；
-
输入图像是全尺寸（1408 x 512 px）还是半尺寸（704 x 256 px）；
-
是否对输入图像进行90°的旋转。
实验结果如下：
可见，paper提出的网络在如下：
1. 标注精度为Dilate = 5；
2. 交叉熵损失函数；
3. 全尺寸图像；
4. 不对图像进行90°旋转。
配置，达到了最优的性能。
性能评估
paper的作者把提出的网络与目前最常用的两个分割网络（DeepLab v3+与U-Net）和用于缺陷检测的商业软件Cognex ViDi Suite进行了性能对比。如下性能指标皆在三个网络和商业软件最优配置下进行评估：
结果如上图所示：
paper提出的网络AP最高，达到了99.9%，漏检个数与误检个数也最少。
所需训练样本个数
如上图所示，paper提出的网络，在仅有33个缺陷样本的训练下，AP能够达到99.9%；在仅有5个缺陷样本的训练下，AP依旧能够达到96.1%。超过了其它分割网络和商业软件在同等配置下的效果，一定程度上解决了深度学习所需样本数量大的问题。
所需训练时间
如上图所示：
paper提出的网络在对单张图片进行检测的平均准确度和时间上，都有着不错的效果，如何能做到这样的效果，也取决于上图，可以看到，paper提出的网络所需的参数，远少于另外两种分割网络，因此在训练以及检测的过程中，花费的时间得到了很大程度的提升。