自训练连体缺陷分类网络

少量标注接近全监督效果

利用自训练连体结构结合位置混合策略，仅用少量标注样本即可在工业缺陷分类上达到与全监督相当的性能，显著降低工业质检中的数据标注负担。

王方军 · Xurong, Chi · Liangwu, Wei · Song, Yanzhi · 杨周旺

Journal of Industrial Information Integration 2024

参数信息

节省标注数据比例

2/3

技术优势

标签需求减少2/3

与使用3600个标注样本的全监督算法相比，仅用100个标注样本即可达到同等精度，从而大幅降低标注工作量。

无需大量标注

仅需100个标注样本即可训练出高精度模型，降低了对大规模人工标注的依赖。

应用场景

• 工业视觉缺陷检测：减少缺陷检测中的标注工作量，快速上线。
• 制造质量控制：用少量标注即可达到高精度，降低质检成本。
• 智能传感质量监测：提升传感数据分类精度，减少人工复核。
• 增材制造过程监控：可用于增材制造过程中缺陷的快速识别。