如何解决工业缺陷检测小样本问题

时间：5月31日下午14:30-15:30

主讲人：

主讲人

直播大纲：

近年来随着深度学习的发展，卷积神经网络在缺陷检测任务中得到了广泛的应用。与传统的机器学习方法相比，基于卷积神经网络的深度学习方法在缺陷识别领域具有更高的识别准确率和工作效率。但是这种方法在以下工业场景中存在与机器学习方法同样的缺点：

1.在某些高度自动化比如PCB行业的生产场景中，产品的良率特别高，收集缺陷样本非常耗时；

2.针对某些行业比如汽车行业、3C行业的多型号小批量生产场景，在完成缺陷样本收集前某种型号产品已经不再生产了，这种场景下大量的缺陷样本收集是不可能的；

3.由于缺陷是由生产过程中的非受控因素产生的，比如农产品行业，缺陷的形态是多种多样的，各种形态的样本很难收集完整；

为了拓展深度学习在工业检测领域的应用范围及提升易用性，小样本检测算法的研究成为必然。

本次直播吴雨培老师将从解决工业检测小样本问题的两种路径：工程路径和算法路径，为大家详细讲解，也希望可以和有志于研究工业AI检测问题的工业人一起交流进步，推动小样本问题的彻底解决。欢迎大家将本文转发到朋友圈或身边有需要的朋友，邀请志同道合之士一起来直播间交流。