本文介绍: 我们在这一点上的问题略有不同;其次,由于这个数据集不包含所有的缺陷模式, 因此我们希望该模型在遇到其他缺陷类型时也具有相对较好的泛化能力。自动表面异常检测成为一个有趣且有前景的研究领域,对目视检测[1]的应用领域具有非常高和直接的影响。科莱克托集团提供了一个有缺陷的生产项目[2]的图像数据集,我们使用这个数据集作为一个例子研究一个自动检测数学模型。多曼·塔伯尼克、马蒂克uc和丹尼杰尔·斯科伊建立了一个使用深度学习[3] 检测表面缺陷的模型,据称该模型即使经过少量的训练也能提供良好的识别

问题B(MCM) 工业表面缺陷检测

金属或塑料产品的表面缺陷不仅会影响产品外观,还可能产品性能或耐久性造成严重损害。自动表面异常检测已成为一个有趣且有前景的研究领域,对目视检测[1]的应用领域具有非常高和直接的影响。科莱克托集团提供了一个有缺陷的生产项目[2]的图像数据集,我们使用这个数据集作为一个例子研究一个自动检测数学模型

产品表面缺陷通过照片拍摄。

多曼·塔伯尼克、马蒂克uc和丹尼杰尔·斯科伊建立了一个使用深度学习[3] 检测表面缺陷的模型,据称该模型即使经过少量的训练也能提供良好的识别。然而

我们在这一点上的问题略有不同;首先,我们希望我们模型可以部署在廉价的手持设备上。这类设备存储空间计算能力都非常有限,因此该模型在计算量和所需的存储空间方面要求非常高。其次,由于这个数据集不包含所有的缺陷模式, 因此我们希望该模型在遇到其他缺陷类型时也具有相对较好的泛化能力。您和您的团队被要求建立易于使用的数学模型来完成以下任务

任务

  1. 确定表面缺陷是否出现在照片中,并测量模型这样做所需的计算量和存储空间
  2. . 自动标记出现表面缺陷的位置区域,并测量模型所需的计算量、存储空间标记精度。
  3. . 请明确您的模型的泛化能力,ie.为什么你的模型仍然可行,如果你遇到的缺陷类型不是完全可行的

原文地址:https://blog.csdn.net/qq_33690821/article/details/134725936

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任

如若转载,请注明出处:http://www.7code.cn/show_27940.html

如若内容造成侵权/违法违规/事实不符,请联系代码007邮箱suwngjj01@126.com进行投诉反馈,一经查实,立即删除

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注