CASAE论文的理解

论文题目：Automatic Metallic Surface Defect Detection and Recognition with Convolutional Neural Networks

看完了这篇论文，这篇论文就是讲的缺陷检测，但是跟一般的目标检测不一样的是，这里是使用的自动编码器来进行一系列操作的，直接讲一讲里面的网络结构。

先看一看总的网络结构：
整个网络结构就是这样，在这个网络结构里面涉及到AE Network,这一块的网络结构如下：
这一块就是一个编码器和解码器的一个变化版本，每次的变化，图片的右下角都有标注。

对于AE Network,这里面涉及到一个atrous conv，这一块，作者给的解释是：

损失函数如下：

对于这个函数，我的理解是当我们进行AE Network之后，输出的数据的大小在0到1之间，就是代表当前像素是缺陷的概率，这个函数的pk(xij)那一部分就是某个像素的输出值。我们用于训练的图片都是打好标签了的，这些标签里面的像素就代表为缺陷，而在yij=k的意思就是原图像中某个像素为背景或者为缺陷的可能性，具体看上面照片，说的已经很详细了。

处理好AE Network这部分后，我们第一张图可以看见一个predict_mask，这里面就是对AE Network的输出数据进一步处理的，处理原则如下：

处理原则其实就是输出的每一个数据如果大于GS，就将这个值变为1，否则变为0.

上面就是用于找到缺陷的部分，然后将这些缺陷部分切割出来，然后对这些切割出来的部分进行分类，分类的网络如下：
这张图也很详细了，就不再累述了，至于损失函数，直接用目标检测里面经常用的那几个分类函数就行。

经过以上分析，我们已经知道了网络结构，损失函数，没有像yolo，fater_rcnn，ssd这些还要用到nms这些比较繁杂的东西，知道以上内容之后，我们就可以搭建网络然后找到数据集进行训练了，看作者的结论，这里效果还不错，大家有兴趣可以看看原论文再去复现代码试一下最后效果。

2020 6.9