Компьютерные науки > Компютерное видение и распознавание шаблонов [представлено 1 сентября 2026 года] Название: Contrasative Distillation for Anomaly displacing in Multi-Illution/Focus Shipple Images View PDF HTML (экспериментальное) Резюме: В настоящем документе мы занимаемся автоматическим обнаружением аномалий в многоосвещенных и многонаправленных изображениях. Незначительные дефекты на поверхности дисплея трудно обнаружить в изображениях RGB и модели, подготовленной только с обычными данными. Для решения этой проблемы мы предлагаем новую программу контрастного обучения для выявления аномалий на основе дистилляции знаний. В наших рамках в качестве основы используется дистилляция знаний с многоразрешимым разрешением (MKD), которая осуществляется путем измерения характерных черт сетей преподавателей и студентов. На основе MKD мы предлагаем новый метод контрастного обучения, а именно: противопоказательная дистилляция (MCD), которая не требует положительных/отрицательных пар с якорем, но действует путем вытягивания/продвижения расстояния между учительской и студенческой особенностями. Кроме того, мы предлагаем смешанный модуль, который преобразует и агрегирует многоканальную информацию в трехканальный входной слой MCD. Предлагаемый нами метод значительно превышает конкурентоспособность современных методов как в АУРОК, так и в показателях точности собранных данных многоосвещения и многофокусного отображения изображений для обнаружения аномалии (MMDAD). Загрузка ссылок и…
Противоположные дистилляции знаний для аномального обнаружения в мультиосвещение/показателях
arXiv: 2600,05520v1 Annuales Type: новый резюме. В настоящем документе мы занимаемся автоматическим обнаружением аномалий в многоосвещенных и многофокусных изображениях. Незначительные дефекты на поверхности дисплея трудно обнаружить в изображениях RGB и модели, подготовленной только с обычными данными. Для решения этой проблемы мы предлагаем новую программу контрастного обучения для выявления аномалий на основе дистилляции знаний. В наших рамках в качестве основы используется дистилляция знаний с многоразрешимым разрешением (MKD), которая осуществляется путем измерения характерных черт сетей преподавателей и студентов. На основе MKD мы предлагаем новый метод контрастного обучения, а именно: противопоказательная дистилляция (MCD), которая не требует положительных/отрицательных пар с якорем, но действует путем вытягивания/продвижения расстояния между учительской и студенческой особенностями. Кроме того, мы предлагаем смешанный модуль, который преобразует и агрегирует многоканальную информацию в трехканальный входной слой MCD. Предлагаемый метод