首页
›
AI视觉与工业视觉
›
008-工业视觉缺陷检测
›
《工业缺陷检测算法选型与技术路线设计》
VIP20
本课程属于:008-工业视觉缺陷检测
AI视觉与工业视觉 · 共 20 门相关课程,组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录
咨询 / 购买
传统算法与深度学习的选型决策指南
共计 30 章节
点击此处阅读海量试读课程:100+行业、1000+细分领域
01
导论
为什么需要选型决策?传统算法与深度学…
导论
为什么需要选型决…
02
数据量维度
小样本场景下的传统算法优势与深度学习…
数据量维度
小样本场景下的传…
03
数据质量维度
特征工程 vs 端到端学习 · 谁更依赖数据清洗
数据质量维度
vs
04
计算资源维度
CPU/内存受限场景下的算法选择
计算资源维度
CPU
05
可解释性需求
金融 · 医疗等强监管行业的硬性要求
可解释性需求
金融
06
实时性要求
毫秒级响应场景下的推理速度对比
实时性要求
毫秒级响应场景下…
07
模型复杂度
线性模型 vs 深层网络 · 如何权衡
模型复杂度
vs
08
泛化能力
过拟合风险与正则化策略的选型影响
泛化能力
过拟合风险
09
维护成本
传统算法的低维护 vs 深度学习的高…
维护成本
vs
10
团队能力
团队技术栈对选型的决定性影响
团队能力
团队技术栈对选型…
11
业务场景分类
预测 · 分类 · 聚类
业务场景分类
预测
12
时间序列预测
ARIMA vs LSTM · 实战对比
时间序列预测
ARIMA
13
图像分类任务
SIFT/HOG + SVM vs…
图像分类任务
SIFT/HOG
14
自然语言处理
TF-IDF + 朴素贝叶斯 vs…
自然语言处理
TF-IDF
15
异常检测
孤立森林 vs AutoEncode…
异常检测
vs
16
推荐系统
协同过滤 vs 深度推荐模型
推荐系统
vs
17
强化学习场景
传统控制理论 vs DRL
强化学习场景
vs
18
混合方案
传统算法 + 深度学习的互补策略
混合方案
传统算法
19
冷启动问题
传统规则 vs 元学习
冷启动问题
vs
20
模型部署
ONNX/TensorRT vs 纯…
模型部署
ONNX/TensorR…
21
隐私计算
联邦学习 vs 传统加密算法
隐私计算
vs
22
边缘计算
轻量级模型选型(MobileNet…
边缘计算
MobileNet
23
AutoML
自动化选型的可能性与局限性
AutoML
自动化选型的可能…
24
成本效益分析
ROI视角下的选型决策
成本效益分析
ROI
25
案例研究1
工业质检中的传统视觉 vs 深度学习
案例研究1
vs
26
案例研究2
智能客服中的检索式 vs 生成式
案例研究2
vs
27
案例研究3
风控系统中的规则引擎 vs GBDT…
案例研究3
vs
28
决策框架
构建可复用的选型决策矩阵
决策框架
构建可复用的选型…
29
未来趋势
大模型时代传统算法是否会被淘汰
未来趋势
大模型时代传统算…
30
总结与行动清单
从理论到实践的落地指南
行动清单
从理论到实践的落…
所属VIP或分类
同VIP:传统视觉与深度学习缺陷检测工程对比
同VIP:工业相机SDK接入与边缘缺陷检测部署
同VIP:工业相机选型与图像采集打光方案