登入
facebook
google-plus
twitter
linkedIn
活動看板
產經情報
廠商名錄
知識分享
需求快遞
技術供應
網站連結
會員專區
聯絡AOIEA
訂閱電子報
facebook
google-plus
twitter
linkedIn
知識分享
首頁
>
知識分享
>
技術專欄
技術專欄
會員ppt
字級設定:
大
中
小
收藏
.
.
使用對抗式生成的瑕疵進行異常檢測
建立日期:2020/11/06
作者:
崴強科技/劉維晉、陳佩萱、宋育寰
出處:
2020 AOI論壇與展覽
內容:
本篇為「2020 AOI論壇與展覽」論文集,摘要如下:
瑕疵檢測是個自動光學檢測(重要的研究主題,目前,深度學習已經被應用於對瑕疵檢測有幫助的影像分類與切割等領域之中,然而,稀少的瑕疵樣本和資料不平均問題,成為產線導入深度學習的最大阻礙。
在本研究中,我們提出一套新的瑕疵檢測方法 AGAN (Adversarially Generated Anomalies Networks),只需要正常樣本就可以開發瑕疵檢測系統,我們訓練模型將對抗式產生的瑕疵樣本重建回正常樣本,並且,將產生的瑕疵樣本轉換至隱空間,再透過判別器來確保瑕疵樣本的多樣性。根據不同資料集的實驗結果顯示,我們提出的 瑕疵檢測方法能有效應用於實際檢測環境之中,並且優於其他研究方法。
檔案下載:
全文下載
下載次數:
86
分享本訊息:
分享到 facebook
分享到 google+
分享到 twitter
分享到 linkedin
回上頁