缺陷或负样本难以收集怎么办?使用生成式模型自动生成训练样本,image-to-image Stable diffusion

文章大纲

  • 样本稀疏与对应的解决方案
  • 如何解决工业缺陷检测小样本问题
    • 参考1:AIDG(Artificial Intelligent Defect Generator)
    • 参考2:灵感来源 : Image-to-Image Diffusion Models
  • 参考文献与学习路径
    • 参考博文
    • 数据集
    • 算法
    • 缺陷检测库
    • hugging face


样本稀疏与对应的解决方案

缺陷或负样本难以收集怎么办?使用生成式模型自动生成训练样本,image-to-image Stable diffusion_第1张图片
1.数据层面
数据增广
数据增广,就是尽可能产生更多的样本,比如,一张图像,通过裁剪、变换、翻转、加噪声,获得更多样本;

合成数据
比如,通过 GAN 生成数据等。
2.模型层面
数据量比较小会导致模型过拟合,

你可能感兴趣的:(大数据+AI,赋能行业,助力企业数字化转型最佳实践案例,stable,diffusion)