English  |  正體中文  |  简体中文  |  全文筆數/總筆數 : 82005/82005 (100%)
造訪人次 : 51855627      線上人數 : 3365
RC Version 7.0 © Powered By DSPACE, MIT. Enhanced by NTU Library IR team.
搜尋範圍 查詢小技巧:
  • 您可在西文檢索詞彙前後加上"雙引號",以獲取較精準的檢索結果
  • 若欲以作者姓名搜尋,建議至進階搜尋限定作者欄位,可獲得較完整資料
  • 進階搜尋


    請使用永久網址來引用或連結此文件: https://ir.lib.ncu.edu.tw/handle/987654321/96960


    題名: 更有效的零樣本與少樣本異常偵測與定位以利工業瑕疵檢測;Towards Effective Zero-Shot and Few-Shot Anomaly Detection and Localization for Industrial Defect Detection
    作者: 蘇柏齊
    貢獻者: 國立中央大學資訊工程學系
    關鍵詞: 工業瑕疵檢測;基礎模型;多模態學習;視覺語言模型;零樣本學習;少樣本學習;industrial defect detection;foundation model;multimodal learning;vision-language model;zero-shot learning;few-shot learning
    日期: 2025-07-31
    上傳時間: 2025-08-07 17:21:37 (UTC+8)
    出版者: 國家科學及技術委員會(本會)
    摘要: 本計畫旨在提出更有效的零樣本與少樣本異常偵測與定位方法,實現更精準的工業產品瑕疵檢測。結合大型模型的深度學習技術是近來的研究趨勢之一,參與人員能夠研習先進深度學習技術以解決實際問題。本計畫透過創新的多模態技術,運用大型基礎模型、語言模型及適當提示,為工業產品瑕疵的偵測與定位做出貢獻,提升自動化檢測的準確性與效率。本計畫有助於推動智慧製造的實現,設計更高效的異常或瑕疵檢測系統,降低產品瑕疵率與生產成本,型塑智慧檢測關鍵技術,為工業製造與應用提供必要的技術支援。
    關聯: 財團法人國家實驗研究院科技政策研究與資訊中心
    顯示於類別:[資訊工程學系] 研究計畫

    文件中的檔案:

    檔案 描述 大小格式瀏覽次數
    index.html0KbHTML0檢視/開啟


    在NCUIR中所有的資料項目都受到原著作權保護.

    社群 sharing

    ::: Copyright National Central University. | 國立中央大學圖書館版權所有 | 收藏本站 | 設為首頁 | 最佳瀏覽畫面: 1024*768 | 建站日期:8-24-2009 :::
    DSpace Software Copyright © 2002-2004  MIT &  Hewlett-Packard  /   Enhanced by   NTU Library IR team Copyright ©   - 隱私權政策聲明