利用基于上下文学习的自动缺陷标记显示制造数据
计算机视觉与模式识别
2025-06-06 v1 人工智能
机器学习
摘要
本文提出了一种利用基于上下文学习能力的显示面板缺陷检测自动标记系统。我们采用并改进了 SegGPT 架构，引入几项领域特定训练技术，并引入基于草稿的注释机制以简化标记流程。我们的方法采用两阶段训练，针对工业显示面板数据集进行验证，显著优于基线模型，平均 IoU 提升 0.22，召回率提高 14%，同时保持约 60% 的自动标记覆盖率。实验结果表明，我们的方法在自动标记数据上训练得到的模型性能与在人工标记数据上训练的模型相当，为减少工业检查系统中的人工标注工作量提供了实用解决方案。
引用
@article{arxiv.2506.04717,
title = {Using In-Context Learning for Automatic Defect Labelling of Display Manufacturing Data},
author = {Babar Hussain and Qiang Liu and Gang Chen and Bihai She and Dahai Yu},
journal= {arXiv preprint arXiv:2506.04717},
year = {2025}
}