Halcon总结——奇异值检测(Novelty Detection)
Anomaly Detection(异常检测)包括Novelty Detection(奇异值检测)和Outlier Detection (异常值检测)。
奇异值检测:训练数据不包含异常值,只含有positive(正常)的数据,通过算法学习其pattern。之后用于检测未曾看到过新数据是否属于这个pattern,如果属于,该新数据是positive,否则negative,即奇异值。
异常值检测:训练数据中含有异常值,通过相关算法找到训练数据的中心模式,忽略偏差观测值,从而检测出异常值。
本篇博客进行《Novelty Detection案例总结(只训练正常样本)》
1、GMM分类器检测网格缺陷(mlp、svm同理)
create_class_gmm (5, 1, [1,5], 'spherical', 'normalization', 5, 42, GMMHandle)
add_samples_image_class_gmm (ImageTexture, Rectangle, GMMHandle, 2.0)
train_class_gmm (GMMHandle, 100, 0.1, 'training', 0.0001, Centers, Iter)
classify_image_class_gmm (ImageTextureReduced, Correct, GMMHandle, 0.000002)
【halcon案例】novelty_detection_gmm.hdev、novelty_detection_mlp.hdev、novelty_detection_svm.hdev
2、基于GMM分类器的纹理检查模型
apply_texture_inspection_model,详情参考我的另一篇博客《Halcon 纹理缺陷检测 apply_texture_inspection_model》。
3、深度学习
apply_dl_model,详情参考我的另一篇博客《Halcon深度学习——奇异值检测》。
【推荐】国内首个AI IDE,深度理解中文开发场景,立即下载体验Trae
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· 10年+ .NET Coder 心语,封装的思维:从隐藏、稳定开始理解其本质意义
· .NET Core 中如何实现缓存的预热?
· 从 HTTP 原因短语缺失研究 HTTP/2 和 HTTP/3 的设计差异
· AI与.NET技术实操系列:向量存储与相似性搜索在 .NET 中的实现
· 基于Microsoft.Extensions.AI核心库实现RAG应用
· 10年+ .NET Coder 心语 ── 封装的思维:从隐藏、稳定开始理解其本质意义
· 地球OL攻略 —— 某应届生求职总结
· 提示词工程——AI应用必不可少的技术
· 字符编码:从基础到乱码解决
· Open-Sora 2.0 重磅开源!
2019-12-07 宽字符(UNICODE)字符集
2019-12-07 pugixml
2018-12-07 编码标准:ASCII、GBK、Unicode(UTF8、UTF16、UTF32)
2018-12-07 插入字符