Oct, 2023
用于少样本视觉异常分类的 PatchProto 网络
PatchProto Networks for Few-shot Visual Anomaly Classification
Jian Wang, Yue Zhuo
TL;DR本论文研究了少样本学习(FSL)的实际问题,通过利用充足的正常样本,提出了 PatchProto 网络用于少样本异常分类。与传统方法不同,PatchProto 网络仅提取感兴趣区域的缺陷 CNN 特征,并将其作为少样本学习的原型。实验结果显示 PatchProto 网络显著提高了少样本异常分类的准确性。