項(xiàng)目簡(jiǎn)介

本項(xiàng)目意在基于TCL在智能制造上缺陷檢測(cè)的成功經(jīng)驗(yàn)（TCL-READ項(xiàng)目），研發(fā)基于自監(jiān)督學(xué)習(xí)的大規(guī)模異常檢測(cè)算法和模型，重點(diǎn)解決異常檢測(cè)中小樣本和數(shù)據(jù)長(zhǎng)尾問(wèn)題，通過(guò)針對(duì)不同行業(yè)的業(yè)務(wù)和數(shù)據(jù)特點(diǎn)，研發(fā)可在無(wú)異常（無(wú)缺陷）圖像上進(jìn)行自學(xué)習(xí)和自訓(xùn)練的異常檢測(cè)技術(shù)，本項(xiàng)目將搭建工業(yè)級(jí)別的開(kāi)源數(shù)據(jù)庫(kù)和技術(shù)生態(tài)平臺(tái)，尋找更加魯棒的和自動(dòng)化的自監(jiān)督訓(xùn)練方法，建立工業(yè)異常檢測(cè)的標(biāo)準(zhǔn)化流程及評(píng)測(cè)指標(biāo)，提升工業(yè)異常檢測(cè)技術(shù)的性能和跨行業(yè)擴(kuò)展性。具有算法豐富、開(kāi)箱即用、精度保證等特點(diǎn)。

技術(shù)特點(diǎn)：

1.  基于無(wú)監(jiān)督和自監(jiān)督的大規(guī)模異常檢測(cè)模型的技術(shù)方法；在無(wú)標(biāo)簽數(shù)據(jù)中訓(xùn)練通用特征模型（類(lèi)似visualBERT），并可應(yīng)用與不同的工業(yè)檢測(cè)任務(wù)中；

2.  搭建工業(yè)級(jí)可擴(kuò)展的異常檢測(cè)技術(shù)平臺(tái)；

3.  搭建目前國(guó)內(nèi)最大規(guī)模的開(kāi)源工業(yè)缺陷和異常檢測(cè)數(shù)據(jù)庫(kù)。

詳細(xì)介紹：

https://git.www.cnjfsc.com/OpenI/READ_pytorch/src/branch/master/README.md