-
题名工业外观检测中的图像扩增方法综述
- 1
-
-
作者
魏静
史庆丰
沈飞
张正涛
陶显
罗惠元
-
机构
中国科学院自动化研究所工业视觉智能装备技术工程实验室
中国科学院大学人工智能学院
中科慧远视觉技术(洛阳)有限公司
-
出处
《自动化学报》
北大核心
2025年第7期1423-1462,共40页
-
基金
国家重点研发计划项目(2022YFB3303800)
北京市自然科学基金?小米创新联合基金(L243018)
中国科学院青年创新促进会(2020139)资助。
-
文摘
图像扩增是工业外观检测中常用的数据处理方法,有助于提升检测模型泛化性,避免过拟合.根据扩增结果的不同来源,将当前工业图像扩增方法分为基于传统变换和基于模型生成两类.基于传统变换的扩增方法包括基于图像空间和特征空间两类;根据模型输入条件信息的不同,基于模型生成的方法分为无条件、低维条件和图像条件三类.对相关方法的原理、应用效果、优缺点等进行分析,重点介绍基于生成对抗网络、扩散模型等模型生成的扩增方法.依据扩增结果的标注类型和方法的技术特点,对三类基于模型生成方法的相关文献分类统计,通过多维表格阐述各类方法的研究细节,对其基础模型、评价指标、扩增性能等综合分析.最后,总结当前工业图像扩增领域存在的挑战,并展望未来发展方向.
-
关键词
图像扩增
图像生成
生成对抗网络
扩散模型
表面缺陷检测
计算机视觉
-
Keywords
Image augmentation
image generation
generative adversarial networks
diffusion models
surface de-fect inspection
computer vision
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
