单步卷积神经网络在手机碎屏检测中的应用

针对工业生产生活中的手机碎屏检测需求,本文提出一种RandomMask的随机性数据增强策略。首先将较大像素的手机碎屏图像特征进行裁剪和缩放来获得备选mask,其次将训练图片进行四等分得到四个中心锚点,最后将备选mask随机覆盖任一锚点之上以实现增强图像特征表达的目标。同时本文采用基于卷积神经网络的单步目标检测架构的改进设计,聚焦解决工业质检、手机碎屏险自助理赔等服务在实时场景下的速度和精度要求,在网络输入端Input、中间网络Neck、骨干网络Backbone以及输出网络Head部分分别应用不同深度学习检测器组件得到本文最优算法模型。该模型配合RamdomMask图像增强策略可以实现以44fps的实时检测速度获得对于手机碎屏数据的87.9%mAp的平均精度。