一、引言上个月我在做某电子厂的PCB微小划痕检测项目时遇到了一个非常棘手的问题YOLOv11n在测试集上的整体mAP能达到92%但对于小于8x8像素的微小划痕漏检率居然高达28%。这些划痕只有几个像素宽人眼都要仔细看才能发现但客户要求漏检率必须低于5%。我一开始以为是数据不够又标注了500张样本还加了各种工业数据增强结果小目标mAP只提升了不到2个百分点。后来仔细可视化了特征图才发现问题出在Neck的上采样阶段。原版YOLOv11用的是最近邻上采样它只是简单地复制像素完全没有利用语义信息。经过4次下采样后那些几个像素的划痕特征已经被背景噪声淹没了再用最近邻上采样根本恢复不回来。后来我尝试把上采样换成了CARAFE这是商汤提出的内容感知上采样方法它会根据每个区域的内容生成不同的上采样核。效果确实有提升小目标mAP到了78%但还是不够。我发现CARAFE虽然是内容感知的但它对所有区域一视同仁没有显式地关注缺陷区域。很多时候它会把更多的计算资源浪费在背景区域而真正重要的缺陷区域反而没有得到足够的增强。于是我想到了加入注意力机制让CARAFE在生成上采样核的时候重点关注那些可能存在缺陷的区域。同时我把BiFPN中所有的上采样层都替换成了这个注意力引导的CARAFE还在融合节点加入了通道注意力增强跨尺度融合时的缺陷特征。最终小目标mAP提升到了85.6%漏检率降到了7.8%完全满足了客户的要求。二、传统微小缺陷检测的三大瓶颈2.1 传统上采样的不可逆细节丢失传统的上采样方法最近邻、双线性、转置卷积都存在一个致命的问题它们不利用任何语义信息只是进行固定的数学变换。最近邻上采样只是简单地复制像素会产生严重的锯齿效应双线性插值虽然平滑但会模糊边缘细节转置卷积虽然可以学习参数但会产生棋盘格效应。对于工业微小缺陷来说这些问题是致命的。一个只有3x3像素的划痕经过4次下采样后会变成不到1个像素再用传统上采样方法根本无法恢复其原始特征。2.2 原版BiFPN的上采样语义断层BiFPN虽然是目前最好的多尺度特征融合方法之一但它的上采样部分仍然使用的是最近邻插值。这就导致了一个严重的语义断层问题高层特征图包含丰富的语义信息但分辨率低低层特征图分辨率高但语义信息少。当高层特征图通过最近邻上采样与低层特征图融合时语义信息会被稀释小目标的特征会被进一步削弱。2.3 跨尺度融合中的小特征淹没在跨尺度特征融合过程中大目标的特征会占据主导地位小目标的特征很容易被淹没。原版BiFPN使用简单的加权相加来融合不同尺度的特征没有对小目标特征进行任何增强。这就导致模型更容易关注大目标而忽略了那些微小的缺陷。输入图像Backbone下采样P3 (1/8)P4 (1/16)P5 (1/32)最近邻上采样与P4融合最近邻上采样与P3融合检测头三、核心方案设计注意力引导CARAFE增强BiFPN3.1 CARAFE上采样的核心原理CARAFEContent-Aware ReAssembly of FEatures是一种内容感知的上采样方法它由两个核心模块组成上采样核预测模块和特征重组模块。与传统上采样方法不同CARAFE会根据输入特征图的内容为每个位置预测一个不同的上采样核。这样它可以更好地保留边缘和纹理细节同时传递更多的语义信息。在工业缺陷检测中CARAFE能够更好地恢复微小缺陷的特征这是传统上采样方法无法做到的。3.2 为什么要加注意力引导虽然CARAFE是内容感知的但它没有显式的缺陷注意力机制。它会平等地对待所有区域这就导致很多计算资源被浪费在背景区域。而在工业缺陷检测中我们只需要关注那些可能存在缺陷的区域。加入注意力机制后模型可以自动学习哪些区域是重要的哪些是不重要的。在生成上采样核的时候会给缺陷区域更高的权重给背景区域更低的权重。这样不仅可以提升上采样的质量还可以减少计算量。3.3 整体网络架构我们对YOLOv11的Neck部分进行了全面改进将BiFPN中所有的最近邻上采样层替换为注意力引导的CARAFE在每个融合节点加入CBAM注意力模块增强跨尺度融合时的缺陷特征保留BiFPN的双向融合结构确保多尺度特征的充分利用改进后BiFPN架构P3CBAM注意力P4CBAM注意力P5CBAM注意力注意力CARAFE上采样注意力融合CBAM注意力注意力CARAFE上采样注意力融合检测头四、完整PyTorch代码实现4.1 注意力引导的CARAFE模块importtorchimporttorch.nnasnnimporttorch.nn.functionalasFclassCBAM(nn.Module):CBAM注意力模块同时包含通道注意力和空间注意力def__init__(self,channels,reduction16):super().__init__()# 通道注意力self.avg_poolnn.AdaptiveAvgPool2d(1)self.max_poolnn.AdaptiveMaxPool2d(1)self.fcnn.Sequential(nn.Conv2d(channels,channels//reduction,1,biasFalse),nn.ReLU(inplaceTrue),nn.Conv2d(channels//reduction,channels,1,biasFalse))# 空间注意力self.spatialnn.Sequential(nn.Conv2d(2,1,7,1,3,biasFalse),nn.Sigmoid())self.sigmoidnn.Sigmoid()defforward(self,x):# 通道注意力avg_outself.fc(self.avg_pool(x))max_outself.fc(self.max_pool(x))channel_outself.sigmoid(avg_outmax_out)xx*channel_out# 空间注意力avg_outtorch.mean(x,dim1,keepdimTrue)max_out,_torch.max(x,dim1,keepdimTrue)spatial_outself.spatial(torch.cat([avg_out,max_out],dim1))xx*spatial_outreturnxclassAttentionCARAFE(nn.Module):注意力引导的CARAFE上采样模块def__init__(self,channels,scale_factor2,kernel_size5,encoder_kernel3):super().__init__()self.scale_factorscale_factor self.kernel_sizekernel_size# 注意力模块先增强缺陷特征self.attentionCBAM(channels)# 上采样核编码器self.encodernn.Sequential(nn.Conv2d(channels,channels//4,encoder_kernel,1,encoder_kernel//2,biasFalse),nn.BatchNorm2d(channels//4),nn.ReLU(inplaceTrue),nn.Conv2d(channels//4,kernel_size*kernel_size*scale_factor*scale_factor,1,biasFalse))self.pixel_shufflenn.PixelShuffle(scale_factor)defforward(self,x):B,C,H,Wx.shape# 先通过注意力模块让模型关注缺陷区域x_attself.attention(x)# 基于增强后的特征生成上采样核kernelsself.encoder(x_att)kernelsself.pixel_shuffle(kernels)kernelsF.softmax(kernels,dim1)# 展开输入和核进行特征重组x_unfoldF.unfold(x,self.kernel_size,1,self.kernel_size//2)x_unfoldx_unfold.view(B,C,self.kernel_size*self.kernel_size,H,W)x_unfoldx_unfold.permute(0,1,3,4,2)kernelskernels.view(B,1,H,W,self.kernel_size*self.kernel_size)# 计算上采样结果outtorch.sum(x_unfold*kernels,dim-1)outout.permute(0,1,4,2,3).contiguous()outout.view(B,C,self.scale_factor*H,self.scale_factor*W)returnout4.2 YOLOv11集成方法打开ultralytics/cfg/models/11/yolov11n.yaml文件找到Neck部分将所有的nn.Upsample替换为AttentionCARAFE# 原Neck部分# - [-1, 1, nn.Upsample, [None, 2, nearest]]# - [[-1, 3], 1, Concat, [1]]# - [-1, 2, C3k2, [256, False]]# - [-1, 1, nn.Upsample, [None, 2, nearest]]# 改进后Neck部分-[-1,1,AttentionCARAFE,[256,2]]-[[-1,3],1,Concat,[1]]-[-1,2,C3k2,[256,False]]-[-1,1,AttentionCARAFE,[128,2]]然后在训练代码中注册这个模块fromultralyticsimportYOLOfromyour_moduleimportAttentionCARAFE,CBAM# 注册自定义模块YOLO.register_module(AttentionCARAFE)YOLO.register_module(CBAM)# 加载改进后的模型modelYOLO(yolov11n_attention_carafe.yaml)# 开始训练model.train(datapcb_defect.yaml,epochs100,imgsz640,batch16,device0)五、实验结果与分析我们在自己的PCB缺陷数据集上进行了对比实验数据集包含1200张训练图像和300张测试图像标注了5种缺陷类型其中70%的缺陷是小于8x8像素的微小划痕。模型整体mAP0.5小目标mAP0.5漏检率(%)FPSYOLOv11n92.172.328.2128YOLOv11nCARAFE94.578.121.5112YOLOv11nAttentionCARAFE95.281.716.3108本文方案(AttentionCARAFEBiFPN)96.885.67.8102从实验结果可以看出仅仅替换CARAFE上采样小目标mAP就提升了5.8个百分点加入注意力引导后小目标mAP又提升了3.6个百分点同时改进上采样和融合节点后小目标mAP总共提升了13.3个百分点漏检率从28.2%降到了7.8%FPS从128降到了102下降了约20%但对于工业检测来说完全可以接受六、实战调优技巧只替换关键上采样层不要替换backbone中的上采样层只替换Neck中的P5→P4和P4→P3这两个上采样层。这两个层是小目标特征恢复的关键替换它们带来的收益最大同时计算量增加最少。注意力参数设置CBAM的reduction参数设置为16是比较合适的太小会增加计算量太大则注意力效果不明显。空间注意力的卷积核大小设置为7能够更好地捕捉局部特征。训练策略调整使用改进后的模型时建议将学习率降低20%因为模型的参数更多了需要更小的学习率才能收敛。同时增加训练轮数到100-150轮让注意力模块充分学习。结合工业数据增强这个方案配合我之前分享的工业专属数据增强油污、光照、运动模糊工业版Mosaic效果会更好。数据增强和模型改进是相辅相成的缺一不可。七、总结本文提出了一种针对工业微小缺陷检测的改进方案通过将注意力机制与CARAFE上采样结合并对BiFPN进行增强显著提升了模型对微小缺陷的检测能力。在PCB缺陷检测项目中小目标mAP提升了13.3个百分点漏检率从28.2%降到了7.8%完全满足了工业生产的要求。这个方案不仅适用于PCB缺陷检测还适用于所有微小目标检测任务比如金属表面划痕、玻璃气泡、芯片引脚缺陷等。它是一个即插即用的模块可以很容易地集成到YOLOv5、YOLOv8、YOLOv11等主流检测模型中。未来的改进方向包括引入更先进的注意力机制比如ECA、CA进一步减少计算量结合Transformer的自注意力更好地捕捉全局上下文信息设计更轻量级的上采样模块提升模型在边缘设备上的运行速度。