项目简介

本项目意在基于TCL在智能制造上缺陷检测的成功经验（TCL-READ项目），研发基于自监督学习的大规模异常检测算法和模型，重点解决异常检测中小样本和数据长尾问题，通过针对不同行业的业务和数据特点，研发可在无异常（无缺陷）图像上进行自学习和自训练的异常检测技术，本项目将搭建工业级别的开源数据库和技术生态平台，寻找更加鲁棒的和自动化的自监督训练方法，建立工业异常检测的标准化流程及评测指标，提升工业异常检测技术的性能和跨行业扩展性。具有算法丰富、开箱即用、精度保证等特点。

技术特点：

1.  基于无监督和自监督的大规模异常检测模型的技术方法；在无标签数据中训练通用特征模型（类似visualBERT），并可应用与不同的工业检测任务中；

2.  搭建工业级可扩展的异常检测技术平台；

3.  搭建目前国内最大规模的开源工业缺陷和异常检测数据库。

详细介绍：

https://git.openi.org.cn/OpenI/READ_pytorch/src/branch/master/README.md