M-3LAB/awesome-industrial-anomaly-detection
کاربرد:
این پروژه یک مرجع جامع برای تشخیص ناهنجاری‌ها و عیوب در تصاویر صنعتی است که شامل لیستی از مقالات پژوهشی و مجموعه داده‌های معروف در این حوزه می‌شود. به محققان، توسعه‌دهندگان و مهندسان کمک می‌کند تا به‌راحتی با آخرین پیشرفت‌های حوزهٔ تشخیص خطا در خط تولید (مثل ترک، خراش، نقص رنگ و غیره) آشنا شوند.
در چه شرایطی بهتره استفاده شود؟
وقتی در حال کار روی سیستم‌های بازرسی خودکار کیفیت (Automated Quality Inspection) هستی، به‌ویژه در صنایعی مثل تولید خودرو، الکترونیک، نساجی یا فلزکاری. ️ همچنین اگر می‌خواهی یک مدل انحراف‌یابی تصویر (Anomaly Detection) بسازی و نیاز به داده یا الهام از روش‌های پیشرفته داری، این مخزن بسیار مفید است.
چند مثال از موارد استفاده
- مقایسه عملکرد مدل‌های مختلف مثل Autoencoders، GANs یا Transformer-based روی دیتاست‌های واقعی مثل MVTec AD
- دسترسی سریع به دیتاست‌های استاندارد برای آموزش و ارزیابی مدل‌های تشخیص عیب
- یافتن مقالات مرتبط با روش‌های بدون ناظر (Unsupervised) یا یادگیری یک کلاسه (One-Class Learning)
- توسعه سیستم‌های بینایی ماشین برای خطوط تولید هوشمند ️
- ##industrial
- ##computer
- ##quality
- ##machine
- ##defect
- ##MVTecAD
- ##awesome
- ##research
- ##AI
- ##anomaly