小数据应用的开源计算机视觉模型比较研究：以 CFRP 铺带为例
计算机视觉与模式识别
2024-09-17 v1 机器学习
摘要
在工业制造领域，人工智能（AI）正发挥着越来越重要的作用，从实现现有流程自动化到辅助新材料和技术的开发。然而，在训练数据可用性有限的较小规模实验流程中出现了重大挑战，这质疑了在如此小数据背景下训练 AI 模型的可能性。在这项工作中，我们探索了利用迁移学习来应对这一挑战的潜力，具体调查了开发功能性 AI 模型所需的最少数据量。为此，我们考虑了航空航天制造中使用光学传感器对碳纤维增强聚合物（Carbon Fiber Reinforced Polymer, CFRP）铺带进行质量控制的用例。我们研究了不同开源计算机视觉模型在训练数据持续减少时的表现。结果表明，成功训练 AI 模型所需的数据量可以大幅减少，并且使用较小的模型并不一定会导致性能损失。
引用
@article{arxiv.2409.10104,
title = {A Comparative Study of Open Source Computer Vision Models for Application on Small Data: The Case of CFRP Tape Laying},
author = {Thomas Fraunholz and Dennis Rall and Tim Köhler and Alfons Schuster and Monika Mayer and Lars Larsen},
journal= {arXiv preprint arXiv:2409.10104},
year = {2024}
}