資料稀缺下之非監督式人工智慧學習
作者：任上鳴、資訊應用組
定價：免費
出版單位：資策會MIC
出版日期：2020/10/30
出版類型：產業評析
所屬領域：資訊軟體
瀏覽次數：650
加入最愛
摘要
在製造業最常聽到的人工智慧應用就是影像的學習與檢測，例如：一般流水生產線上常見的刮傷、破損檢測，或是如電子機板上的特定產品要做缺件檢測，都可以透過人為的方式創造幾近自然產生的瑕疵，如在機殼外刮出大量刮痕，再透過標註的方式給機器學習，以達成人工智慧光學自動檢測（Artificial Intelligence Auto Optical Inspection，簡稱AI-AOI），由於提供了大量真實樣本給機器學習，一般將此方法歸類為監督式AI學習做法。
內文標題
一、人工智慧落地之痛點
二、透過生成對抗網路創造樣本的解法
三、透過異常檢測偵測多樣態瑕疵的解法
四、產業建議