【标题】TaylorMade VDD:Domain-adaptive Visual Defect Detector for High-mix Low-volume Production of Non-convex Cylindrical Metal Objects

【作者团队】Kyosuke Tashiro, Koji Takeda, Kanji Tanaka, Tomoe Hiroki

【论文链接】https://arxiv.org/pdf/2104.04203.pdf

【发表时间】2021.4.9

【推荐理由】高混合低量非凸金属物体的视觉缺陷检测(VDD)具有挑战性，因为在领域上有细微差异(例如，金属物体、成像设备、视点、照明)会显著影响单个金属物体类型的镜面反射特性。本文通过引入可自动适应新领域的定制VDD框架（其可将具有复杂镜面反射的非凸金属部件和高混合低量生产组合在一起）来解决此问题。具体来说，本文将需要适应任务定义为深度目标检测网络上的网络架构搜索问题(NAS)，其中网络架构是通过强化学习来搜索的。并且使用VDD-HPPPs任务作为工厂案例研究以验证该框架的有效性，实验结果表明，对于非凸HPPPs，与基线方法相比，该方法对不同训练/测试域的数据具有更高的毛刺检测精度，尤其是受域偏移的影响。

 

内容中包含的图片若涉及版权问题，请及时与我们联系删除