blanokvaffy的博客

本文介绍了将D-FINE模型改进为实例分割模型D-FINE-SEG的过程。作者在之前实现的基础上，补充了COCO数据集上的测试代码和MASK分数评估功能。主要内容包括对postprocessor.py文件的修改，添加了处理mask预测的相关方法：通过_gather_masks收集预测mask，使用_resize_masks_to_input将mask调整至输入尺寸，以及_resize_masks_to_orig将mask还原至原始图像尺寸。这些改进使模型能够输出实例分割结果，并为后续在COCO数据集上的性能

本文提出UniPCB，首个面向开放式PCB质量检测的统一视觉语言基准，并开发了专用模型PCB-GPT。针对现有PCB数据集碎片化、标准不统一的问题，UniPCB整合了6581张图像和23359组双语QA对，建立了统一的缺陷分类体系和任务框架，涵盖三种场景14类子任务。PCB-GPT基于Qwen2.5-VL-7B-Instruct，采用三阶段课程学习：概念对齐、指令微调和强化学习优化。实验表明，PCB-GPT在UniPCB上平均得分67.3，定位F1达51.1，显著优于开源模型，且在跨数据集测试中展现出良好泛

摘要： 论文《DitHub》提出了一种模块化增量学习框架，用于开放词表目标检测。传统方法将新知识压缩到同一套权重中，容易导致知识干扰和管理困难。DitHub借鉴版本控制思想，将不同类别/任务的知识拆分为独立模块（类似Git分支），支持按需组合。采用LoRA轻量化适配，通过两阶段训练（Warmup+Specialization）提升稳定性。实验表明，该方法在ODinW-13和新建的ODinW-O基准上均达到SOTA，兼顾增量学习与零样本能力。其核心价值在于模块化设计，支持灵活的知识增删改查，为持续学习提供了可

SAMSnake：基于轮廓的实例分割新方法 这篇论文提出了一种新颖的实例分割方法SAMSnake，通过将目标表示为闭合轮廓曲线而非传统像素级mask。该方法采用三段式流程：首先用检测器定位目标，然后借助EfficientSAM生成初始轮廓，最后通过归一化偏移和动态匹配损失迭代优化轮廓形状。实验表明，该方法在Cityscapes、COCO等数据集上达到SOTA水平，特别擅长处理边界清晰度和复杂形状。相比传统方法，SAMSnake的优势在于边界更自然、计算更高效，且模块化设计便于下游任务扩展。这项研究为实例分割

Poly-DETR提出了一种基于Transformer的多边形检测方法，将实例分割重新定义为稀疏顶点回归问题。该方法采用极坐标表示多边形，通过Polar Deformable Attention机制在圆周上采样特征，解决了传统密集掩码预测的计算冗余问题。核心创新包括极坐标参数化表示、位置感知训练策略和动态采样机制，在保持高精度的同时显著提升了计算效率。实验表明，Poly-DETR在Cityscapes等数据集上实现了实时高性能实例分割，为密集预测任务提供了新的解决方案。

摘要： 工业视觉领域面临缺陷样本稀缺、标注成本高等痛点，零样本缺陷检测（Zero-Shot Defect Detection）成为研究热点。2025-2026年的技术进展主要分为三类：1）视觉-语言模型（VLM）路线，如CLIP适配器跨域对齐热成像数据；2）数字孪生路线，通过CAD模型生成理想状态对比检测缺陷；3）基于CLIP的提示学习，如Crane模型通过上下文提示提升泛化能力。尽管实验室效果显著（如IoU达70%），但在真实工业场景（如MIRAD数据集）中性能平均下降29.78%，凸显跨域泛化仍是挑战。

目标检测是一类计算机视觉任务，简单来说，目标检测可被定义为在计算机中输入一张图像，计算机需要找出图像中所有感兴趣的目标（物体），确定它们的类别和位置，如图一所示。目标检测是计算机视觉领域的核心问题之一，相较于最原始的将整张图片分类为某一类别，目标检测不光可以感知图像中物体的类别，还可以提取感兴趣物体在图像中的位置信息，并将图片区分为前景和背景。随着科技的进步，目标检测算法广泛的利用深度学习作为基础，在近几年有了飞速的发展。目前，目标检测算法被广泛的应用于智能驾驶、安防摄像头、工业上的裂纹污损检测等工作。

什么是神经网络（Neural Network）？神经网络又称人工神经网络（Artificial Neural Network，ANN）是机器学习（Machine Learning）中众多自适应优化算法的一种，其具有悠久的发展历史，最早可以追溯到上世纪40年代。神经网络通过搭建大量人工神经元并广泛连接形成网络，模拟生物神经系统对真实世界所作出的反应，以此为现实问题提出解决方案。那么什么是机器学习呢？