编者按：为进一步促进学术资源共享与学术交流合作，快速传递和分享各研究领域的高质量学术论文，确保师生能够及时获取最新研究成果及前沿学术动态，自动化学院特开设“学术快讯”新媒体专栏，旨在通过精心筛选和整理，致力于将最新的、具有影响力的学术文章呈现给读者。本期推荐论文：《SA-FPN：用于钢带表面缺陷检测小目标检测的规模感知注意力引导特征金字塔网络》。
一、中文题目：SA-FPN：用于钢带表面缺陷检测小目标检测的规模感知注意力引导特征金字塔网络
二、英文题目： SA-FPN: Scale-aware Attention-guided Feature Pyramid Network for Small Object Detection on Surface Defect Detection of Steel Strips
三、作者信息：韩璐，李楠，李佳荷，高兵兵，牛栋
四、发表刊物：Measurement
五、论文简介：近年来，钢铁产品的生产大幅升级，导致缺陷大幅增加，较小的目标缺陷越来越难以识别。 因此，行业和企业遭受重大经济损失的风险增加，并可能对其品牌声誉造成不利影响。本文提出的规模感知特征金字塔网络（SA-FPN）集成了规模感知注意力引导模块（SAGM），可在保持信息完整性的同时对相邻特征进行非线性调整。此外，SAGM还利用注意力机制来减少金字塔各层次之间的语义差异。特征细化模块（FRM）通过一个直接的特征细化过程，进一步协调和整合各层的多尺度特征。在KolektorSDD、NEU-DET和GC10-Det表面缺陷数据集上进行的大量实验证明了我们方法的有效性，SA-FPN的平均精度(mAP)结果分别为 100%、86.8% 和 74.4%。
图 1 本文所提方法总体结构图
六、代码链接：
https://github.com/HL-Louis/SA-FPN
七、资助信息：
论文工作受陕西省重点研发计划-重点产业创新链项目（2023-ZDLGY-41），广东省基础与应用基础研究基金委员会-区域联合基金重点项目资助（2023B1515120080）。
来源：高兵兵、李楠
审核：王小旭
