标题：基于自适应权重下采样的带钢表面缺陷检测
作者：王岳继1，2 罗太维1，2 吴瑞瑾1，2 汪小梅1，2 张岚岚1，2
作者单位：1 贵州民族大学数据科学与信息工程学院；贵州 贵阳 550025；2 贵州民族大学贵州省模式识别与智能系统重点实验室，贵州 贵阳 550025
关键字：缺陷检测；YOLOv8；注意力机制；下采样
摘要：钢带制造过程中容易在表面产生一些缺陷，但现有表面缺陷检测算法存在检测精度低的问题。因此，提出了一种基于改进YOLOv8的自适应权重下采样带钢表面缺陷检测模型。首先，利用注意力机制与组卷积改进下采样卷积，自适应地学习特征图的空间权重，以适应输入特征图的不同区域对于下采样的需求。其次，引入了通道先验卷积注意力机制来增强骨干网络，在通道和空间维度上动态分配注意权重。最后，在带钢表面缺陷数据集NEU-DET上进行大量实验，得到了模型的mAP值为82.8%，相比基线模型提升了3.5%。