研究：每类仅两张参考图，Jev 与 Clef-Flash 缺陷检测准确率超 C…
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载为什么要把参考图压到两张
制造现场的相机与视觉传感器承担产品与过程检验，过去训练检测模型要收集成千上万张良品与缺陷样本。视觉 Transformer 类模型把这一门槛降到每类 50 至 100 张，但在高良率产线上缺陷本就稀少，小批量生产中单一批次的产量也不足以积累出 50 张缺陷图。论文因此把问题设定在推理阶段每类只用 k=2 张参考图，考察近期提出的两种结构化决策模型 Jev 与 Clef-Flash 能否在这种极端少样本条件下完成分类与检验任务。
三项方法贡献
论文给出三部分工作。其一是面向图像分类与检验的 k-shot 学习框架，规定如何在极少参考图下组织这两个决策模型的输入。其二是 agent 式方法，自动改写引导模型做图像分类的文本描述，让描述更贴合具体检测任务。其三是校准环节，把模型输出的缺陷概率做可靠性调整，使检验决策所依据的数值更可信。三者组合成一条从少样本配置到概率输出的流程。
五个案例的对比结果
作者在五个制造案例上验证上述贡献。每类使用两张参考图时，Jev 的测试准确率落在 0.75 至 1.00，Clef-Flash 落在 0.71 至 0.99，而使用同样参考图的 CLIP 为 0.67 至 0.84，两个决策模型在准确率区间上都高于 CLIP。文本描述的 agent 式改写则在 8 组模型与应用组合中的 6 组带来准确率提升；校准方法在 15 组模型与应用配置中的 13 组降低了 Brier 分数，说明输出概率的可靠性得到改善。
可复现与上手方式
论文标注为 10 页、5 张图，归类于计算机视觉与模式识别及人工智能方向。为便于复现，作者公开了复现代码，并发布 R 语言 decisions 包，供评估更多模型使用。此外还提供一个公开的网页应用，使用者无需编写代码即可用自己的图像做检验测试。这些产出面向希望在实际产线上尝试少样本缺陷检测的工程人员。
为什么值得看
把缺陷检测的图像需求压到每类两张，并给出校准后的概率，直接关系到小批量、高良率产线能否落地视觉质检。
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。