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

NCU Institutional Repository > 資訊電機學院 > 資訊工程學系 > 研究計畫 > Item 987654321/96960

jsp.display-item.identifier=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

题名:	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
贡献者:	國立中央大學資訊工程學系
关键词:	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
上传时间:	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
显示于类别:	[資訊工程學系] 研究計畫

文件中的档案:

档案	描述	大小	格式	浏览次数
index.html		0Kb	HTML	2	检视/开启

在NCUIR中所有的数据项都受到原著作权保护.

社群 sharing