Aug, 2024

工业机器视觉中的生成式人工智能——综述

HTML
PDF
TL;DR本研究针对生成式人工智能在工业机器视觉中的应用现状和发展趋势进行了全面的文献综述，识别出该领域在数据多样性和验证方法上的挑战。通过分析1200多篇相关文献，研究揭示生成式人工智能在数据增强、图像分类和物体检测等任务中的主要应用，旨在为未来的研究提供启示和机会。
发现论文，激发创造
  • 使用GAN进行合成数据增强，以提高自动化视觉检查的效果

    本研究使用人工智能模型进行视觉质量检测，探讨了监督学习和非监督学习的缺陷检测技术以及数据增强技术，结果表明采用生成对抗网络进行数据增广可以获得最佳分类性能

    Dec, 2022

  • 人工智能生成的图像作为数据源：合成时代的黎明

    通过利用生成人工智能（AI）产生的图像作为新的数据源，重新塑造了视觉智能中的传统模型范式，本文探讨了这一创新概念，从训练机器学习模型到模拟场景进行计算建模、测试和验证等一系列应用中探索了生成数据的潜力，并深入讨论了支持这种突破性使用生成AI的技术基础以及伴随的伦理、法律和实践考虑。

    Oct, 2023

  • 稳定扩散控制的工业数据图像合成

    使用生成模型在工业数据上重新生成自我标记的有缺陷图像，从而优化真实工业使用情况下的裂缝分割器，显示了该方法在生产环境中的潜力。

    Jan, 2024

  • 建筑行业中的生成人工智能：现状分析

    施工行业的生成性人工智能技术的机会和挑战，以及基于自身数据构建定制生成性人工智能解决方案的框架的最新状态分析，为学术界和建筑专业人员提供综合分析和实用框架，以指导生成性人工智能技术在提高建筑行业的生产力、质量、安全性和可持续性方面的应用。

    Feb, 2024

  • 合成训练数据对终端条对象检测在工业应用中的影响研究

    通过结合领域随机化和领域知识，我们创建了一种图像合成流程，用于自动生成训练数据，并在工业应用中对端子条对象检测的综合泛化性能进行研究。结果表明，在经过优化的尺度条件下，RetinaNet的模型的模拟到现实平均精度的性能差异为2.69％，而Faster R-CNN的性能差异为0.98％，从而验证了此方法符合工业要求。

    Mar, 2024

  • 建筑设计的生成式人工智能：文献综述

    这篇文章探讨了生成人工智能在建筑设计中的广泛应用，从生成2D图像、视频和3D模型的基本原理到对建筑设计各个阶段的影响，指出了设计创新的新方向和应用生成人工智能的新轨迹。

    Mar, 2024

  • 生成人工智能：系统综述和应用

    人工智能与生成式人工智能的应用领域，特别是语言生成与伦理考虑的最新研究成果与未来发展轨迹的综合分析。

    May, 2024

  • 工业时间序列的AIGC：从深度生成模型到大规模生成模型

    研究生成模型在工业时间序列数据中的广泛应用和发展，提出了基于深度生成模型和大型生成模型的工业时间序列数据生成框架，并分析了构建大型生成模型所需的关键技术，包括大规模数据集、用于表征工业特征的模型结构、自监督训练以及工业下游任务的微调，最后总结了未来发展中面临的挑战和方向。

    Jul, 2024

  • 工业机器视觉中的生成性人工智能 — 一项综述

    本研究解决了生成性人工智能在工业机器视觉应用中面临的挑战，如数据多样性和计算需求不足。通过对1200多篇相关文献进行综述，论文揭示了当前研究的主要模式，特别是在数据增强和物体检测等任务中的应用。研究成果为未来的实施提供了洞察和机会，并指出了成功应用生成性人工智能所需的数据要求和挑战。

    Aug, 2024

  • 降低风险：迈向可靠的深度学习检验系统连续训练

    本研究解决了深度学习检验系统在处理有限标记数据集时的缺陷，提出了一种基于连续训练的维护方法，通过两阶段过滤过程选择可靠的数据。这种方法显著减少了自生成标签带来的性能退化风险，实验证明提升了模型在生产数据上的表现，最高可达14%。

    Sep, 2024