Session Log — task-keyence-s2 — 基恩士 S2 混合特征架构调研

时间： 2026-02-25 模式： research 轮次： 多轮迭代

前置依赖摘要

S1 结论： 基恩士骨干高概率（85%）使用通用大规模预训练（ImageNet级别），冻结骨干+少样本适配范式。DINOv2 ViT-S 1-shot MVTec-AD 96.6% AUROC。

S3 结论： IV4 AI加速器推断 0.5–2 TOPS INT8（定制ASIC或Ambarella CV系列），4ms/件需专用NPU，纯CPU不可行。片上学习最可能是分类头更新+特征库构建，非真正Adapter Fine-tune。

研究大纲

• 维度1: 基恩士混合特征直接证据（专利/论文/竞品分析）
• 维度2: 学术界深度+传统CV特征融合方案（SIFT/HOG/ORB + CNN/ViT）工业检测
• 维度3: 融合方式对比（early/late/attention-based）少样本+边缘部署最优选
• 维度4: 旋转不变性实现方案（传统SIFT/ORB vs e2-CNN vs 数据增强）嵌入式场景取舍