.png){kind=icon}
返回
Context-aware defect sample generation using conditional diffusion model for surface defect inspection
.png){kind=icon}
PRE
AI
DOI：10.1016/j.measurement.2026.121432.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 一种情境感知扩散方法生成逼真的工业表面缺陷。
• 所提出的SCMP与复杂背景保持结构一致性。
• CMDP有效消除不自然的边界伪影。
• 在钢和织物缺陷数据集上验证了自动化视觉缺陷检测。
• 克服数据稀缺以提高视觉测量系统的可靠性。
Keyword:
context-aware diffusion
structural consistency
boundary artifacts
surface defect inspection
data scarcity
期刊
IF:
5.6
论文数:
2.0W
被引数:
5.4W
机构
暂无机构信息
引用论文
Simulation Model of a Steelmaking-Continuous Casting Process Based on Dynamic-Operation Rules.png)
MATERIALS
OAAI
MATERIALSIF3.2
OAAI分享收藏
Data Augmentation Using the Hierarchical Encoding of Deformation Fields Between CT Images利用CT图像间变形场的层次编码进行数据增强
PREAI
分享收藏Surface Defect Detection of Mining Automation Equipment Based on Convolutional Neural Networks基于卷积神经网络的采矿自动化设备表面缺陷检测
PREAI
分享收藏Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks更快的r-cnn: 基于区域建议网络的实时目标检测OAAI
OAAI分享收藏A Semantic Information Decomposition Network for Accurate Segmentation of Texture Defects一种用于纹理缺陷精确分割的语义信息分解网络
PREAI
分享收藏Generative data augmentation by conditional inpainting for multi-class object detection in infrared imagesPATTERN RECOGNITIONOAAI
PATTERN RECOGNITIONIF7.6
OAAI分享收藏
查看更多内容