FFCIL: Fine-Grained Few-Shot Class Incremental Learning With Destruction-Construction Learning for TFT-LCD Defect Classification

Defect classification for thin-film transistor liquid crystal displays (TFT-LCD) poses significant challenges due to the fine-grained nature of microscopic defects and the limited availability of labeled data. This problem is particularly demanding in the context of few-shot class-incremental learni...

முழு விளக்கம்

நூற்பட்டியல் விவரங்கள்

முதன்மை ஆசிரியர்கள்:	Anindita Suryarasmi, Chia-Yu Lin, Le-Chien Chu, Wei-Jen Wang, Deron Liang
வடிவம்:	Artigo
மொழி:	Inglês
வெளியிடப்பட்டது:	IEEE 2026-01-01
தொடர்:	IEEE Access
பொருள்கள்:	TFT-LCD artificial intelligence few-shot incremental learning destruction-construction learning fine-grained classification defect classification
ஆன்லைன் அணுகல்:	https://ieeexplore.ieee.org/document/11372700/
குறிச்சொற்கள்:	குறிச்சொல்லை சேர்க்கவும் டாக்‌ஸ் இல்லை, இந்த பதிவுக்கு குறிச்சொல் சேர்க்கும் முதல் நபராக இருங்கள்!