HyperAIHyperAI

Command Palette

Search for a command to run...

تَنْقِيَةُ التَّمَاثُلِ السِّياَقِيِّ لِكَشْفِ الشَّذَاذِ الصُّورِيَّةِ

Jie Zhang Masanori Suganuma Takayuki Okatani

الملخص

تركز الدراسات السابقة في كشف الشذوذ الصناعي غير المُراقب بشكل رئيسي على الشذوذ الهيكلية المحلية مثل الشقوق والتلوث اللوني. وعلى الرغم من تحقيق أداءً عالٍ جدًا في كشف هذا النوع من الشذوذ، إلا أنها تواجه صعوبات في التعامل مع الشذوذ المنطقي الذي ينتهك الاعتماديات طويلة المدى، مثل وضع جسم طبيعي في موضع خاطئ. في هذه الورقة، وباستنادًا إلى أعمال التعلم بالاستيعاب السابق، نقترح استخدام طالبين (واحد محلي وواحد عالمي) لمحاكاة سلوك المعلم بشكل أفضل. يركز الطالب المحلي، الذي استُخدم في الدراسات السابقة، بشكل أساسي على كشف الشذوذ الهيكلية، بينما يُركّز الطالب العالمي على الشذوذ المنطقية. ولتعزيز تعلّم الطالب العالمي لالتقاط الاعتماديات طويلة المدى، قمنا بتصميم وحدة تجميع السياق العالمي (GCCB)، واقترحنا دالة فقدان تشابه سياقي لتدريب الطالب وحساب درجة الشذوذ. أظهرت النتائج التجريبية أن الطريقة المقترحة لا تحتاج إلى تقنيات تدريب معقدة، وتحقيق أداءً متميزًا جديدًا على مجموعة بيانات MVTec LOCO AD.


بناء الذكاء الاصطناعي بالذكاء الاصطناعي

من الفكرة إلى الإطلاق — سرّع تطوير الذكاء الاصطناعي الخاص بك مع المساعدة البرمجية المجانية بالذكاء الاصطناعي، وبيئة جاهزة للاستخدام، وأفضل أسعار لوحدات معالجة الرسومات.

البرمجة التعاونية باستخدام الذكاء الاصطناعي
وحدات GPU جاهزة للعمل
أفضل الأسعار

HyperAI Newsletters

اشترك في آخر تحديثاتنا
سنرسل لك أحدث التحديثات الأسبوعية إلى بريدك الإلكتروني في الساعة التاسعة من صباح كل يوم اثنين
مدعوم بواسطة MailChimp