缺陷谱:具有丰富语义的大规模缺陷数据集的细粒度审视
计算机视觉与模式识别
2024-07-22 v5
摘要
缺陷检测在闭环制造系统中至关重要。然而,现有的缺陷检测数据集往往缺乏实际应用所需的精度和语义粒度。在本文中,我们介绍缺陷谱(Defect Spectrum),一个全面的基准,为广泛的工业缺陷提供精确、语义丰富且大规模的标注。基于四个关键工业基准,我们的数据集细化了现有标注并引入了丰富的语义细节,在单张图像中区分多种缺陷类型。此外,我们提出Defect-Gen,一种基于两阶段扩散的生成器,旨在即使在使用有限数据集时也能创建高质量且多样的缺陷图像。Defect-Gen生成的合成图像显著增强了缺陷检测模型的有效性。总体而言,缺陷谱数据集展示了其在缺陷检测研究中的潜力,为测试和精炼先进模型提供了坚实平台。
引用
@article{arxiv.2310.17316,
title = {Defect Spectrum: A Granular Look of Large-Scale Defect Datasets with Rich Semantics},
author = {Shuai Yang and Zhifei Chen and Pengguang Chen and Xi Fang and Yixun Liang and Shu Liu and Yingcong Chen},
journal= {arXiv preprint arXiv:2310.17316},
year = {2024}
}
备注
Accepted by ECCV2024. Please see our project page at https://envision-research.github.io/Defect_Spectrum/