工业人工智能
专业知识与算法基础
工业人工智能与传统AI的区别，以及其在制造业中的应用
- 传统AI追求速度、精度 工业人工智能要注重可靠、稳定、可解释、安全
- 传统AI数据量大 工业人工智能数据稀缺、不平衡、样本少
- 传统AI大模型 工业人工智能轻量级、小模型
在工业场景中如何处理小样本或非平衡数据集下的模型训练问题
- 做数据集增强翻转、裁剪、模糊等…
- 做物理仿真来获取数据
- 在模型训练里面加入物理先验，学残差（最终真实结果是物理模型算出来的结果+AI预测的残差）；
在工业视觉检测任务中CNN和Transfomer的优势劣势
- CNN小样本下泛化更强，Transfomer容易过拟合
- CNN天然擅长细粒度局部纹理，ViT自注意力在低层更关注全局，对细微结构不敏感。
- 前两点CNN占优势，但是对于需要整体轮廓判断的缺陷（如零件缺失导致整体形状改变），CNN由于感受野受限可能需要很深的网络才能覆盖，而ViT有天然优势