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...

Szczegółowa specyfikacja

Opis bibliograficzny

Główni autorzy:	Anindita Suryarasmi, Chia-Yu Lin, Le-Chien Chu, Wei-Jen Wang, Deron Liang
Format:	Artigo
Język:	Inglês
Wydane:	IEEE 2026-01-01
Seria:	IEEE Access
Hasła przedmiotowe:	TFT-LCD artificial intelligence few-shot incremental learning destruction-construction learning fine-grained classification defect classification
Dostęp online:	https://ieeexplore.ieee.org/document/11372700/
Etykiety:	Dodaj etykietę Nie ma etykietki, Dołącz pierwszą etykiete!