摘要
在工业异常检测场景中,存在异常产品样本获取难、数量少、人工标注成本
高等问题,导致有监督学习方法难以应用,无监督学习逐渐成为工业异常检测的
主流方法。传统的基于RGB图像的无监督异常检测方法关注于产品颜色异常,
忽略了形状异常,异常检测精度不高,因此研究人员关注于结合RGB图像和点
云数据进行异常检测,即多模态工业异常检测。在现有的多模态工业异常检测方
法中,一些方法采用记忆库存储不同模态的样本特征
摘要
在工业异常检测场景中,存在异常产品样本获取难、数量少、人工标注成本
高等问题,导致有监督学习方法难以应用,无监督学习逐渐成为工业异常检测的
主流方法。传统的基于RGB图像的无监督异常检测方法关注于产品颜色异常,
忽略了形状异常,异常检测精度不高,因此研究人员关注于结合RGB图像和点
云数据进行异常检测,即多模态工业异常检测。在现有的多模态工业异常检测方
法中,一些方法采用记忆库存储不同模态的样本特征
文档评论(0)