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
全部NCUIR
資訊電機學院
資訊工程學系
--研究計畫
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
主頁
‧
登入
‧
上傳
‧
說明
‧
關於NCUIR
‧
管理
NCU Institutional Repository
>
資訊電機學院
>
資訊工程學系
>
研究計畫
>
Item 987654321/96960
資料載入中.....
書目資料匯出
Endnote RIS 格式資料匯出
Bibtex 格式資料匯出
引文資訊
資料載入中.....
資料載入中.....
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.html
0Kb
HTML
0
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