Deep Learning Technologies for Defect Classification
技術簡介
工研院自主研發之物件分類、偵測、分割等深度學習技術,已針對工業應用最佳化,並有多項落地應用案例。
技術特色
自主研發之多分支出口之分類網絡架構、加入多解析度且均衡之分支架構之偵測網路架構,以及基於幾何轉換之推論融合擴增分割技術,在工業應用中具有高的準確率及速度,以滿足業界落地需求。
- 具有多個較小但結構完整的分支分類網路架構,提供分支決策與協同決策之彈性,對於難易不同之影像,提供最佳整合分析結果。
- 於偵測網路模型後端,加入多解析度且均衡之分支架構強化特徵學習,並融合多解析度偵測結果以提升大中小瑕疵之檢測能力。
- 基於幾何轉換之推論融合擴增技術,融合多角度之分割結果,在推論階段進一步提升瑕疵分割之準確率。
技術規格
- 可支援不同大小之影像。
- 提供訓練系統及推論模組,可根據實際應用需求選擇分類、偵測、分割模型訓練及推論。
- 可提供Windows.NET、Windows DLL與Linux等平台之模組,易整合至系統中。
應用範圍
- 可自動光學檢測、機器人視覺、文件辨識、警政監控視訊分析、工廠人員監控應用等。
- 需應用影像物件分類、偵測、分割等核心技術之相關產業,皆可導入本技術以提升產業價值。

圖1 多分支出口之分類網絡架構
聯絡窗口
聯絡人:曾思閔/ 巨量資訊科技與應用推廣部(C300)
電話:03-5918422
Email:jasmine20446@itri.org.tw
https://www.itri.org.tw/
工研院資訊與通訊研究所