本书是国家自然科学基金和辽宁省科技厅计划项目的支持项目，基于语义认知学习来构建有限样本下的金属板表面缺陷检测系统，结合生成学习范式，突破存在于工业智能检测领域的技术瓶颈。本书的主要研究方向包括：研究语义认知的引导学习，提升模型对弱语义的感知力，以实现高质量样本生成；研究语义对抗自适应学习，提升模型对弱语义的判断力，以实现高可信的标签跨域分配；研究语义认知的增强学习，强化弱语义缺陷自身的活化性，以实现准确的缺陷检测。本书顺应工业质检系统的智能化升级需求，立足于助力人工智能技术赋能工业质检系统的产品化落地，为突破工业小样本和弱语义认知的技术瓶颈提供新思路和新途径。

前言
第一章 绪论
一、研究背景与意义
二、研究发展动态分析
三、目前存在的问题及拟采用的解决方法
四、本书的结构及宗旨
参考文献
第二章 基于卷积神经网络的分类与检测网络
一、背景介绍
二、卷积神经网络概述
三、基准卷积神经网络
四、基于CNN的目标检测算法
五、有限样本对于缺陷分类与检测网络的影响
参考文献
第三章 金属表面缺陷检测方法发展现状
一、背景介绍
二、金属表面缺陷检测系统关键硬件
三、金属表面缺陷检测方法分类
四、表面缺陷数据集
五、评价指标
参考文献
第四章 基于跨空间语义认知引导的高质量样本生成研究
一、背景介绍
二、问题分析
三、方法设计
四、可行性实验分析
参考文献
第五章 基于语义对抗自适应的伪标签跨域分配研究
一、背景介绍
二、问题分析
三、方法设计
四、可行性实验分析