论文部分内容阅读
随着大数据时代的来临,深度学习在计算机视觉领域蓬勃发展。但强监督学习目标检测模型的识别效果往往依赖于大量的精细标注数据,对于不同于自然图像的工业领域,由于产品迭代更新较快,不同产品往往图片特征差异较大,标注专业性要求较高,往往难以获得大量的强监督标注数据。实际生产中工业领域仍然将人力识别作为图像检测的主要方式,这种方式成本较高,同时也会损害工作人员健康。为解决这一问题,本文使用基于弱监督学习的目标检测算法对磁瓦缺陷数据集进行检测。工业领域的缺陷不同于自然领域,缺陷识别任务存在背景单一,缺陷与背景界限