缺陷检测-6.DEFECTNET: MULTI-CLASS FAULT DETECTION ON HIGHLY-IMBALANCED DATASETS(缺陷网络:在极度不平衡数据集下的多层次故障检测)
摘要：ABSTRACT As a data-driven method, the performance of deep convolutional neural networks (CNN) relies heavily on training data. The prediction results
阅读全文
posted @
2021-09-25 08:42
python我的最爱
阅读(433)
推荐(0) 编辑
深度学习文献代码阅读-超分辨(ESRGAN)
摘要：ESRGAN是在SRGAN基础上进行增强的网络, 在2018年的比赛中获得了冠军 Introduction 介绍了基于PSNR指标获得的超分辨图像其结果会较为平滑，且与人们的主观有较大的差别 作者针对SRGAN提出了3个改进的点 第一点: 使用了RDDB网络结构, 这种层叠式的网络结构更容易表达效果
阅读全文
posted @
2021-09-24 17:28
python我的最爱
阅读(1724)
推荐(0) 编辑
缺陷检测-5.Learning to Detect Multiple Photographic Defects(学习去检测多种摄像缺陷)
摘要：Abstract In this paper, we introduce the problem of simultaneously detecting multiple photographic defects. We aim at detecting the existence, severit
阅读全文
posted @
2021-09-24 17:06
python我的最爱
阅读(285)
推荐(0) 编辑
缺陷检测-4.Semi-supervised Anomaly Detection using AutoEncoders(半监督缺陷检测使用自动的编码器)
摘要：Abstract Anomaly detection refers to the task of finding unusual instances that stand out from the normal data. In several applications, these outlier
阅读全文
posted @
2021-09-23 18:30
python我的最爱
阅读(1142)
推荐(0) 编辑
缺陷检测-3.CutPaste: Self-Supervised Learning for Anomaly Detection and Localization(剪切粘贴:自监督学习对于异常检测和定位)
摘要：Abstract We aim at constructing a high performance model for defect detection that detects unknown anomalous patterns of an image without anomalous da
阅读全文
posted @
2021-09-14 18:17
python我的最爱
阅读(1249)
推荐(0) 编辑
缺陷检测-2.Mixed supervision for surface-defect detection: from weakly to fully supervised learning(对于表面缺陷检测的混合监督:从弱到完全监督学习)
摘要：这篇文章不管是网络结构还是文章中提到的亮点基本都是复用了<End-to-end training of a two-stage neural network for defect detection> 唯一的不同点就是针对混合监督，针对其中只有正负标签，没有分割标签的数据，损失函数只是用分类损失函数
阅读全文
posted @
2021-09-11 00:17
python我的最爱
阅读(896)
推荐(0) 编辑
缺陷检测-1.End-to-end training of a two-stage neural network for defect detection(端到端的两步神经网络的缺陷检测)(论文和代码讲解)
摘要：这篇文章相比于Segmentation-based deep- ˇ learning approach for surface-defect detection.这篇文章，首先他们都是一个作者写的，其次网络的架构也是非常接近的 为了保证小细节被保留下来，这里使用的是max-pool2x2，而不是使用
阅读全文
posted @
2021-09-05 18:02
python我的最爱
阅读(1299)
推荐(1) 编辑
