少样本下精度领先
针对液晶屏缺陷尺度变化大和类别相似的难题，设计了分层尺度增强和对比编码，在少样本条件下检测性能显著优于现有方法。
Luo, Sijie · Liu, Biyuan · 陈怀新 · Wang, Zhixi · Ruoyu, Yang · Ying, Huang
IEEE Sensors Journal 2025
在10-shot设置下mAP达到62.0%，比现有最好方法高出10.4%，大幅降低了对标注数据的依赖。
引入对象级对比编码，强制同类特征距离为零，异类特征距离保持在大阈值以上，有效避免因缺陷外观相似而导致的误分类。
辅助分支基于目标金字塔采样增加额外的目标性和分类约束，增强模型对多尺度缺陷的检测能力。
自适应解耦模块在训练样本有限时减轻分类和回归任务之间的干扰，同时提升两个任务的性能。