模糊优化特征融合模型

资源高效端到端训练

利用对比损失优化分类token能力，以较低计算复杂度实现细粒度视觉分类的稳健性能。

Chin-Feng, Lai · Yi-Wei, Lai · Chen, Shihyeh · Chi-Hsuan, Lee · Chen, Mu Yen

IEEE Transactions on Fuzzy Systems 2025

技术优势

省掉大量标注

模型以端到端方式训练，不依赖传统CNN方法所需的大规模人工标注，降低了数据准备负担。

算得更少

通过优化分类token并减少冗余计算，模型在保持精度的同时降低了计算复杂度。

直接支持可持续制造

资源高效的设计降低了能耗和运营成本，契合可持续制造的实践需求。

应用场景

• 细粒度视觉分类：在高度相似类别间实现精准区分，无需大量标注。
• 可持续制造质量检测：以较低计算成本完成制造场景下的质量细粒度识别。
• 机器人视觉识别：为机器人视觉提供高效、资源节约的细粒度分类能力。