卷积神经网络发展历程

论文地址：https://arxiv.org/abs/1903.08536v3摘要基于机器学习的表面异常自动检测已经成为一个有趣且有前途的研究领域，对视觉检测的应用领域有着非常直接的影响。深度学习方法已经成为完成这项任务最合适的方法。它们允许检查系统学习通过简单地显示一些样本图像来检测表面异常。本文提出了一种基于分割的深度学习体系结构，用于表面异常的检测和分割，并在表面裂纹检测的特定领域进行了演示

论文地址：https://arxiv.org/abs/1903.08536v3摘要基于机器学习的表面异常自动检测已经成为一个有趣且有前途的研究领域，对视觉检测的应用领域有着非常直接的影响。深度学习方法已经成为完成这项任务最合适的方法。它们允许检查系统学习通过简单地显示一些样本图像来检测表面异常。本文提出了一种基于分割的深度学习体系结构，用于表面异常的检测和分割，并在表面裂纹检测的特定领域进行了演示

表面缺陷检测的混合监督：从弱监督学习到完全监督学习论文地址https://arxiv.org/abs/2104.06064摘要深度学习方法最近开始用于解决工业质量控制中的表面缺陷检测问题。然而，由于学习需要大量数据，通常需要高精度的标签，许多工业问题无法轻松解决，或者由于注释要求，解决方案的成本将显著增加。在这项工作中，我们放松了对完全监督学习方法的严格要求，减少了对高度详细注释的需要。通过提出深

深度学习中一些轻量的网络模型

解决Microsoft Bing 支持 ChatGPT后加入等待队列出错问题