tgoop.com/ctlab_itmo/10
Last Update:
Появилась ещё одна тема под руководством Ефимовой Валерии Александровны:
Аугментация обучающей выборки для дефектоскопии с помощью диффузионных моделей
Актуальность: Требуется контролировать качество произведенных товаров, а для этого требуется обучить алгоритм детекции. Для получения качественной детекции нужна выборка минимум на 300 изображений, но для их сбора может потребоваться несколько месяцев, так как бракованная продукция получается редко, а специально изготавливать бракованную продукцию не будут. Чтобы ускорить сбор обучающей выборки, воспользуемся генеративными методами аугментации.
Что требуется сделать:
— изучить StableDiffusionXL, Low-Rank Adaptation of Large Language Models (LoRA), ControlNet, методы дообучения и генерации конкретных объектов, ComfyUI
— без дообучения сгенерировать новые изображения с дефектами (за основу брать датасет MVTec, дефекты на металле)
— дообучить диффузионную модель аугментировать выборку дефектов
— сравнить обучение YOLOv8 до и после генеративной аугментации
BY CT Lab
Share with your friend now:
tgoop.com/ctlab_itmo/10