论文部分内容阅读
近年来,深度学习理论发展迅速,越来越多的高精度模型被提出,不断在各类视觉任务中取得突破。但深度学习在工业中的应用却十分缓慢,实际生产中的大规模应用几乎为零。主要原因有两个:一是深度学习模型往往需要海量的标注样本来避免过拟合问题,而实际工业生产中,样本的数量非常有限,获取样本的代价高昂;二是深度学习需要消耗大量的计算资源和高性能的计算设备,而在工业生产应用中,一般需要将模型部署在嵌入式设备、工控机等资源受限的设备上,且对成本十分敏感。针对深度学习在工业生产中的应用难题,本文以纽扣表面缺陷检测为例,提出