MemoryMamba:记忆增强的状态空间模型用于缺陷识别
原文中文,约400字,阅读约需1分钟。发表于: 。自动化制造中的缺陷检测技术需求增长,但现有视觉模型在处理复杂的制造场景中的缺陷识别方法方面不足。本研究提出了 MemoryMamba,一种新颖的记忆增强状态空间模型 (SSM),旨在克服现有缺陷识别模型的局限性。MemoryMamba 集成了状态空间模型和记忆增强机制,使系统能够在训练中保持和检索重要的缺陷特定信息。实验结果显示,MemoryMamba 在各种缺陷识别场景中表现出色,优于其他方法。
PlainMamba是一种用于通用视觉识别的简单非层次化状态空间模型,通过选择性扫描过程提高学习特征的能力,并通过连续2D扫描和方向性更新区分标记的空间关系。在多种视觉识别任务上评估后,PlainMamba取得了性能提升,并且对于高分辨率输入的任务需要更少的计算资源。