Mar, 2024
利用样式过滤增强工业迁移学习:成本减少与缺陷焦点
Enhancing Industrial Transfer Learning with Style Filter: Cost Reduction and Defect-Focus
Chen Li, Ruijie Ma, Xiang Qian, Xiaohao Wang, Xinghui Li
TL;DR针对工业领域中数据稀缺的挑战,转移学习成为一种关键的范式。该研究介绍了一种专门针对工业环境的方法学,称为 Style Filter。通过在知识转移之前有选择性地过滤源领域数据,Style Filter 减少了数据的数量,同时保持或增强了转移学习策略的性能。Style Filter 在深度学习领域的传统转移策略之前使用,并在真实工业数据集上进行了评估,突出了其在实际工业应用中的效果。