基于YOLOv9的NEU-DET缺陷检测算法，具有切片操作的SimAM注意力，魔改SimAM

💡💡💡本文内容：针对基基于YOLOv9的NEU-DET缺陷检测算法进行性能提升，加入各个创新点做验证性试验。

💡💡💡 具有切片操作的SimAM注意力，魔改SimAM

💡💡💡 原始mAP50为 0.733提升至0.745

1.YOLOv9原理介绍

​

论文： 2402.13616.pdf (arxiv.org)

代码：GitHub - WongKinYiu/yolov9: Implementation of paper - YOLOv9: Learning What You Want to Learn Using Programmable Gradient Information摘要： 如今的深度学习方法重点关注如何设计最合适的目标函数，从而使得模型的预测结果能够最接近真实情况。同时，必须设计一个适当的架构，可以帮助获取足够的信息进行预测。然而，现有方法忽略了一个事实，即当输入数据经过逐层特征提取和空间变换时，大量信息将会丢失。因此，YOLOv9 深入研究了数据通过深度网络传输时数据丢失的重要问题，即信息瓶颈和可逆函数。作者提出了可编程梯度信息（programmable gradient information，PGI）的概念，来应对深度网络实现多个目标所需要的各种变化。PGI 可以为目标任务计算目标函数提供完整的输入信息，从而获得可靠的梯度信息来更新网络权值。此外，研究者基于梯度路径规划设计了一种新的轻量级网络架构，即通用高效层聚合网络（Generalized Efficient Layer Aggregation Network，GELAN）。该架构证实了 PGI 可以在轻量级模型上取得优异的结果。研究者在基于 MS COCO 数据集的目标检测任务上验证所提出的 GELAN 和 PGI。结果表明，与其他 SOTA 方法相比，GELAN 仅使用传统卷积算子即可实现更好的参数利用率。对于 PGI 而言，它的适用性很强，可用于从轻型到大型的各种模型。我们可以用它来获取完整的信息，从而使从头开始训练的模型能够比使用大型数据集预训练的 SOTA 模型获得更好的结果。对比结果如图1所示。

​

YOLOv9框架图

2.NEU-DET数据集介绍

NEU-DET钢材表面缺陷共有六大类，一共1800张，

类别分别为：'crazing','inclusion','patches','pitted_surface','rolled-in_scale','scratches'

​

数据集如何划分详见另一篇博客：

YOLOv9如何训练自己的数据集（NEU-DET为案列）_yolov9训练自己的数据集-CSDN博客

3.YOLOv9可视化分析

3.1原始yolov9-t结果

yolov9-t summary: 658 layers, 2618900 parameters, 0 gradients, 10.7 GFLOPs
                 Class     Images  Instances          P          R      mAP50   mAP50-95: 100%|██████████| 8/8 00:14
                   all        486       1069       0.67      0.679      0.733      0.418
               crazing        486        149      0.517      0.221       0.37      0.134
             inclusion        486        222      0.739       0.73      0.778      0.433
               patches        486        243      0.782      0.897      0.935      0.605
        pitted_surface        486        130      0.762      0.769      0.822      0.533
       rolled-in_scale        486        171      0.598      0.579      0.624      0.296
             scratches        486        154      0.621      0.877       0.87      0.509

F1_curve.png：F1分数与置信度（x轴）之间的关系。F1分数是分类的一个衡量标准，是精确率和召回率的调和平均函数，介于0，1之间。越大越好。

TP：真实为真，预测为真；

FN：真实为真，预测为假；

FP：真实为假，预测为真；

TN：真实为假，预测为假；

精确率（precision）=TP/(TP+FP)

召回率(Recall)=TP/(TP+FN)

F1=2*（精确率*召回率）/（精确率+召回率）

​

PR_curve.png ：PR曲线中的P代表的是precision（精准率），R代表的是recall（召回率），其代表的是精准率与召回率的关系。

预测结果：

​

3.2 具有切片操作的SimAM注意力，魔改SimAM

原文链接：

https://blog.csdn.net/m0_63774211/category_12603790.html?spm=1001.2014.3001.5482

💡💡💡本文创新：魔改SimAM注意力，引入切片操作，增强小目标特征提取能力

💡💡💡问题点：SimAM计算整张特征图的像素差平均值时加权可能会忽略小目标的重要性，同时与整体平均值相比可能和背景信息相似，导致加权增强较弱，进而使得SimAM对小目标的增强能力较差。

💡💡💡本文解决对策：引入了切片操作，当特征图被切成不同的块后，大目标由于其纹理特征明显会影响所在块的平均值，导致其获得的额外加权减少，而合并特征图后，大目标依然可以保持高可识别度甚至获得进一步增强；而小目标的特征与局部平均值差距更大，从而获得更多加权，小目标特征得到增强，即sws模块保证了大、小目标都获得了公正的关注和增强。

💡💡💡如何创新到YOLOv9

1）高效和卷积结合，代替原始网络的卷积操作；

改进结果如下：

原始mAP50为 0.733提升至0.745

yolov9-t-Conv_SWS summary: 666 layers, 2618948 parameters, 0 gradients, 10.7 GFLOPs
                 Class     Images  Instances          P          R      mAP50   mAP50-95: 100%|██████████| 8/8 00:15
                   all        486       1069      0.669      0.689      0.745      0.433
               crazing        486        149      0.495      0.237      0.369      0.143
             inclusion        486        222      0.742      0.703      0.807      0.465
               patches        486        243      0.786      0.914      0.932      0.617
        pitted_surface        486        130      0.784      0.808      0.854      0.542
       rolled-in_scale        486        171      0.592      0.579      0.645      0.323
             scratches        486        154      0.616      0.896      0.863      0.506

​