您当前的位置：
首页 >
文章列表页 >
基于特征改进的自监督工业图像异常检测
专栏：工业软件与工业大模型 | 更新时间：2025-11-25

    • 基于特征改进的自监督工业图像异常检测

    • Self-Supervised Anomaly Detection in Industrial Images Based on Feature Improvement

    • “在工业图像异常检测领域，提出了一种优化记忆库特征的方法，有效提升了检测性能。”
    • 软件导刊   2025年24卷第10期 页码：34-39

    • DOI：10.11907/rjdk.251192    

      中图分类号： TP391.4

    • 收稿：2025-03-19，

      纸质出版：2025-10-15

    移动端阅览

  • 许昌源,贾可,金治成等.基于特征改进的自监督工业图像异常检测[J].软件导刊,2025,24(10):34-39. DOI： 10.11907/rjdk.251192.

    XU Changyuan,JIA Ke,JIN Zhicheng,et al.Self-Supervised Anomaly Detection in Industrial Images Based on Feature Improvement[J].Software Guide,2025,24(10):34-39. DOI： 10.11907/rjdk.251192.

  •  
  •  

0

浏览量

7

下载量

0

CSCD

文章被引用时，请邮件提醒。
提交
工具集
下载
参考文献导出
分享
收藏
添加至我的专辑

相关文章

基于元学习实例权重法的跨领域深度文本匹配
复杂工况下的轴承故障诊断方法综述
人工智能在心音信号检测领域的研究综述
基于多尺度特征融合的自监督工业部件异常检测算法
基于域适应的辐射源个体识别研究综述

相关作者

李铂鑫
黄琪
鲁骁
张霄
王斌
马新娜
张策
李豪

相关机构

江西师范大学 计算机信息工程学院
中国科学院软件研究所 中文信息处理实验室
小米人工智能实验室
石家庄铁道大学 石家庄市人工智能重点实验室
石家庄铁道大学 河北省电磁环境效应与信息处理学科重点实验室
0