研究人员开发了一种名为粗糙路径签名引导几何增强（RPS-GA）的新方法，以改进少样本工业表面缺陷检测。该技术将Canny边缘轮廓视为平面路径，并利用其签名响应来突出边界结构。当在NEU-DET和PCB-Defect数据集上使用未经修改的YOLOv8n检测器进行测试时，RPS-GA显著提升了性能，尤其是在低数据场景下，其表现优于基线方法，甚至在标准方法失效时也能实现检测。 AI
影响 该方法通过在较少的标注样本下实现准确的缺陷检测，有望提高工业质量控制的效率。
排序理由 该聚类包含一篇学术论文，详细介绍了一种用于特定计算机视觉任务的新方法。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2607.12245v1 Announce Type: cross Abstract: Few-shot industrial defect detection remains difficult for standard supervised detectors, which achieve poor performance on boundary-dominated industrial defects. This paper proposes rough path signature-guided geometry augmentati…
Few-shot industrial defect detection remains difficult for standard supervised detectors, which achieve poor performance on boundary-dominated industrial defects. This paper proposes rough path signature-guided geometry augmentation (RPS-GA), a geometry-aware approach in which Ca…