數(shù)據(jù)輸入和管理: 將與數(shù)據(jù)相關(guān)的任務(wù)委托給我們的虛擬助理，確保
處理您的業(yè)務(wù)信息的準(zhǔn)確性和效率。
- 我們的虛擬助理對(duì)細(xì)節(jié)一絲不茍，保證數(shù)據(jù)輸入的準(zhǔn)確性
銳捷網(wǎng)絡(luò)閃耀CVPRR 2024年，外觀異常檢測(cè)方案獲得世界認(rèn)可！
近日，銳捷銳捷網(wǎng)絡(luò)在“2024年視覺(jué)異常檢測(cè)與創(chuàng)新檢測(cè)挑戰(zhàn)賽”上(VisualAnomaly and Novelty Detection 少樣本邏輯/結(jié)構(gòu)異常檢測(cè)軌道(VAND2)，網(wǎng)絡(luò)外觀簡(jiǎn)稱(chēng)VAND)，閃耀世界世界。銳捷 世界。網(wǎng)絡(luò)外觀來(lái)自世界各地的閃耀世界頂尖研究者“華山論劍”。這一成就標(biāo)志著銳捷網(wǎng)絡(luò)外觀異常檢測(cè)方案在行業(yè)內(nèi)的異常領(lǐng)先水平和技術(shù)創(chuàng)新能力。 世界。檢測(cè)
權(quán)威機(jī)構(gòu)的銳捷高度認(rèn)可。
VAND2.0 賽道2排行榜。網(wǎng)絡(luò)外觀
銳捷在VAND2.0賽道上取得了不錯(cuò)的閃耀世界成績(jī)。
VAND挑戰(zhàn)賽旨在將視覺(jué)異常檢測(cè)與工業(yè)異常檢測(cè)場(chǎng)景更緊密地結(jié)合起來(lái)，異常這在現(xiàn)實(shí)中得到了廣泛的檢測(cè)應(yīng)用。今年是挑戰(zhàn)賽的第二次舉行。VAND挑戰(zhàn)賽的獲勝者應(yīng)邀參加CVPR2024的展示。挑戰(zhàn)賽設(shè)置了兩條賽道：
賽道1 — Adapt & Detect: Robust Anomaly Detection in Real-World Applications。
賽道2 — VLM Anomaly Challenge: Few-Shot Learning for Logical and Structural Detection。
銳捷網(wǎng)絡(luò)團(tuán)隊(duì)參加的是賽道2。 CVPR， 全球。全球。 計(jì)算機(jī)視覺(jué)領(lǐng)域和模式識(shí)別領(lǐng)域的頂級(jí)學(xué)術(shù)會(huì)議。與ECCV相比(EuropeanConference on Computer Vision)、ICCV(IEEE/CVFInternational Conference on Computer Vision)一起稱(chēng)之為計(jì)算機(jī)視覺(jué)領(lǐng)域的三大領(lǐng)域。
高。
等級(jí)會(huì)議。
6月17日至21日，CVPR在美國(guó)西雅圖舉行。
視覺(jué)異常檢測(cè)技術(shù)：
工業(yè)制造領(lǐng)域的革命性進(jìn)步。 在當(dāng)今的工業(yè)制造領(lǐng)域，視覺(jué)異常檢測(cè)技術(shù)作為計(jì)算機(jī)視覺(jué)領(lǐng)域的一個(gè)重要研究方向，以其獨(dú)特的優(yōu)勢(shì)和廣闊的應(yīng)用前景逐漸成為行業(yè)關(guān)注的焦點(diǎn)。該技術(shù)在工業(yè)外觀質(zhì)量檢驗(yàn)、產(chǎn)品零部件安裝檢驗(yàn)等領(lǐng)域具有巨大的潛力，滿(mǎn)足了日益增長(zhǎng)的需求。 瑞捷網(wǎng)絡(luò)團(tuán)隊(duì)在CVPR2024會(huì)議上舉行了名稱(chēng)《Segment-alignedFeatures Impose Logical Constraints》在異常檢測(cè)算法中展示了主題演講。
新。
進(jìn)展。
銳捷網(wǎng)絡(luò)團(tuán)隊(duì)演講主題。
在工業(yè)異常檢測(cè)場(chǎng)景中，有各種復(fù)雜的異常類(lèi)型。在展覽中，銳捷網(wǎng)絡(luò)團(tuán)隊(duì)展示了工業(yè)生產(chǎn)線上異常檢測(cè)場(chǎng)景的兩大類(lèi)問(wèn)題：結(jié)構(gòu)異常(StructrualAnomaly)與邏輯異常(LogicalAnomaly)，以及如何在只有少量正常樣本的情況下解決這兩類(lèi)問(wèn)題。
左:正常圖像；中間:結(jié)構(gòu)異常(橙皮損壞)；右:邏輯異常(食物放置在同一格子中的比例不對(duì))。
藍(lán)色和紅色位置為異常區(qū)域。
1.從結(jié)構(gòu)異常到邏輯異常的效果提高。
“過(guò)去，我們總是關(guān)注外觀上的缺陷。會(huì)議主持人Paulbergmann說(shuō)：“但現(xiàn)在，這些邏輯異常已經(jīng)成為提高效果的關(guān)鍵。VAND2.0的數(shù)據(jù)集中還設(shè)置了許多與邏輯異常相關(guān)的困難數(shù)據(jù)。
邏輯異常是指出現(xiàn)在錯(cuò)誤位置的正確物品。這些物品通常沒(méi)有肉眼可見(jiàn)的缺陷。然而，在質(zhì)量檢驗(yàn)中，這些物品也應(yīng)發(fā)現(xiàn)異常，以避免這些不完整的物品流向市場(chǎng)。在2024年的高考中，發(fā)生了本可避免的事故。
六月七日，2024年全國(guó)高考第一天，語(yǔ)文科目考試于上午9點(diǎn)至11點(diǎn)30分舉行。7日中午，語(yǔ)文科目考試結(jié)束后，有網(wǎng)友爆料海南語(yǔ)文考試未發(fā)條形碼。對(duì)此，海南省考試局相關(guān)工作人員表示，由于印刷錯(cuò)誤，條形碼未發(fā)放，但不會(huì)影響后續(xù)考試和評(píng)分。
在上述事件中，如果條形碼打印后可以檢查，類(lèi)似的問(wèn)題就不會(huì)發(fā)生。
傳統(tǒng)的基于特征的異常檢測(cè)算法雖然擅長(zhǎng)解決結(jié)構(gòu)異常檢測(cè)問(wèn)題，但并不能很好地解決邏輯異常檢測(cè)問(wèn)題。
基于特征的傳統(tǒng)異常檢測(cè)算法可以有效地檢測(cè)結(jié)構(gòu)異常。
左圖:原始圖像；中間:異常位置；右:算法識(shí)別的異常熱圖(亮度越高，異常度越高)。
傳統(tǒng)的基于特征的異常檢測(cè)算法無(wú)法檢測(cè)到邏輯異常左圖：原始圖像；中間：異常位置；右：算法識(shí)別的異常熱圖。
(亮度越高，異常度越高，熱響應(yīng)越小)。
隨著異常檢測(cè)算法在越來(lái)越多的工業(yè)質(zhì)量檢驗(yàn)領(lǐng)域的應(yīng)用，一些包含邏輯異常的場(chǎng)景是不可避免的，這對(duì)算法提出了更高的要求。
2.優(yōu)化少樣本培訓(xùn)的成本。
你能一眼看到下面圖片中的異常在哪里嗎？
正常圖片 異常圖片。
從這個(gè)簡(jiǎn)單的例子中可以看出，人類(lèi)可以在完全沒(méi)有看過(guò)或只看過(guò)少量類(lèi)似的圖片后形成一個(gè)異常的概念。此時(shí)，如果給人類(lèi)一張新的圖片，他們可以準(zhǔn)確地區(qū)分這張圖片是否異常。
但是，為了區(qū)分正常和異常，機(jī)器往往需要大量的同類(lèi)圖片訓(xùn)練。培訓(xùn)模型通常會(huì)帶來(lái)巨大的成本和能耗問(wèn)題，行業(yè)渴望解決這個(gè)問(wèn)題。隨著大模型的出現(xiàn)，幾張訓(xùn)練圖片可以解決越來(lái)越多的任務(wù)。異常檢測(cè)也出現(xiàn)了相關(guān)方案。 3.銳捷團(tuán)隊(duì)的方法——SegmentAD。 基于上述效果和成本的雙重考慮，銳捷網(wǎng)絡(luò)團(tuán)隊(duì)提出了基于掩碼的異常檢測(cè)方案，SegmentAD。該方案成功地將語(yǔ)義分割和對(duì)齊算法應(yīng)用于少樣本學(xué)習(xí)，并提出了一種方法。
高效。
在結(jié)構(gòu)異常和邏輯異常檢測(cè)中，特征融合方案最終取得了良好的效果。
1.在訓(xùn)練場(chǎng)景中，SegmentAD首先逐像素提取圖片中的物體，每個(gè)像素和SegmentAD都知道它屬于哪個(gè)物體。同時(shí)，SegmentAD會(huì)在不同的圖片之間對(duì)齊物體的定義。通過(guò)這種逐像素提取，SegmentAD獲取了圖片中物體的位置和面積，這與異常邏輯直接相關(guān)——如果物體的面積發(fā)生變化或位置不正確，那么物體必須是異常物體。同時(shí)，SegmentAD參照傳統(tǒng)的基于特征的方法，根據(jù)預(yù)訓(xùn)練模型提取圖像的其他特征，可以直接用來(lái)發(fā)現(xiàn)結(jié)構(gòu)異常——如果一個(gè)特征與其他特征有很大的不同，那么它很可能是一個(gè)結(jié)構(gòu)異常特征。
2.在測(cè)試場(chǎng)景中，SegmentAD將分析圖片中的物體是否在正確的位置、正確的面積和正常的特征。SegmentAD將這些信息整合并定量分析，最終得出圖片是否異常的結(jié)論。
瑞捷網(wǎng)絡(luò)團(tuán)隊(duì)通過(guò)定量指標(biāo)，展示了SegmentAD在競(jìng)爭(zhēng)算法中的先進(jìn)性。
銳捷網(wǎng)絡(luò)通用外觀檢測(cè)（GAOI）產(chǎn)品。
眾所周知，產(chǎn)品外觀是工業(yè)生產(chǎn)中最直觀、最容易接受的指標(biāo)，尤其是紡織行業(yè)。缺陷不僅影響美觀，還影響安全和使用。因此，在生產(chǎn)中，質(zhì)量檢驗(yàn)是影響產(chǎn)品質(zhì)量的關(guān)鍵因素之一。目前行業(yè)主要以人工檢測(cè)為主，存在以下缺點(diǎn):
(1)勞動(dòng)強(qiáng)度高，檢測(cè)速度慢，檢測(cè)效率低。
(2)檢測(cè)人員主觀因素影響大，漏檢率高。
(3)勞動(dòng)力成本高，培訓(xùn)周期長(zhǎng)，流動(dòng)性大。 (4)長(zhǎng)期高強(qiáng)度工作不利于工人的健康。 在實(shí)際生產(chǎn)線上，人工通常只能檢測(cè)到40%~60%的缺陷，檢驗(yàn)環(huán)節(jié)成為生產(chǎn)過(guò)程中的瓶頸，因此迫切需要穩(wěn)定、可靠、可靠。
高效。
、改變這種情況的智能自動(dòng)化檢測(cè)系統(tǒng)。
瑞捷網(wǎng)絡(luò)多年來(lái)一直深入從事這一領(lǐng)域?；谧灾餮邪l(fā)設(shè)計(jì)的通用異常檢測(cè)視覺(jué)算法，推出了智能織帶外觀檢測(cè)機(jī)、智能布檢測(cè)機(jī)等GAOI產(chǎn)品，創(chuàng)建了開(kāi)箱即用的異常檢測(cè)軟硬一體化方案。目前，瑞捷網(wǎng)絡(luò)已與國(guó)內(nèi)眾多領(lǐng)先的織帶企業(yè)達(dá)成合作，幫助眾多工廠打造智能生產(chǎn)線，保證交付質(zhì)量，提升品牌定位。
瑞捷智能織帶外觀檢測(cè)機(jī)產(chǎn)品介紹。
銳捷智能驗(yàn)布機(jī)產(chǎn)品介紹。 綜上所述，視覺(jué)異常檢測(cè)技術(shù)作為工業(yè)制造業(yè)的重要研究方向，具有重要的實(shí)用價(jià)值和廣闊的應(yīng)用前景。對(duì)工業(yè)生產(chǎn)過(guò)程中的質(zhì)量控制和安全保障具有重要意義，通過(guò)引進(jìn)人工智能技術(shù)，可以實(shí)現(xiàn)自動(dòng)異常檢測(cè)，提高生產(chǎn)效率和產(chǎn)品質(zhì)量。面對(duì)未來(lái)，瑞捷網(wǎng)絡(luò)將繼續(xù)在技術(shù)創(chuàng)新的道路上前進(jìn)，始終以客戶(hù)為中心，用領(lǐng)先的技術(shù)賦予產(chǎn)品權(quán)力，讓技術(shù)改變?nèi)祟?lèi)生產(chǎn)生活的方方面面。糾錯(cuò)及問(wèn)題建議標(biāo)簽：網(wǎng)絡(luò)存儲(chǔ) https://news.zol.com.cn/880/8803218.html news.zol.com.cn true https://news.zol.com.cn/880/8803218.html report 5803 近日，瑞捷網(wǎng)絡(luò)在“2024年視覺(jué)異常檢測(cè)與創(chuàng)新檢測(cè)挑戰(zhàn)賽”(VisualAnomaly and Novelty Detection 少樣本邏輯/結(jié)構(gòu)異常檢測(cè)軌道(VAND2).0賽道2)獲得第二名，并在計(jì)算機(jī)視覺(jué)會(huì)議CVPR2024上展示了這一成果，與來(lái)自世界各地的頂尖人物在一起..。
