黑暗中的一束光：工业计算机视觉的深度学习实践
计算机视觉与模式识别
2022-01-07 v1 人工智能
机器学习
摘要
近年来，大型预训练深度神经网络（DNNs）已经彻底改变了计算机视觉（CV）领域。尽管这些 DNN 已被证明非常适用于通用图像识别任务，但其在工业中的应用常因三个原因受限：1）大型预训练 DNN 基于数亿参数构建，使得在许多设备上无法部署；2）预训练的底层数据集由通用物体组成，而工业案例常由非常特定的物体组成，例如太阳能晶圆上的结构；3）可能存在偏见的预训练 DNN 会给企业带来法律问题。作为补救，我们研究了从零开始训练的 CV 神经网络。为此，我们使用了来自一家太阳能晶圆制造商的真实案例。我们发现，我们的神经网络达到了与预训练 DNN 相似的性能，尽管它们参数远少且不依赖第三方数据集。
引用
@article{arxiv.2201.02028,
title = {A Light in the Dark: Deep Learning Practices for Industrial Computer Vision},
author = {Maximilian Harl and Marvin Herchenbach and Sven Kruschel and Nico Hambauer and Patrick Zschech and Mathias Kraus},
journal= {arXiv preprint arXiv:2201.02028},
year = {2022}
}
备注
Preprint accepted for archival and presentation at the 17th International Conference on Wirtschaftsinformatik 2022. 14 pages, 5 figures, 4 tables