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》

posted @ 2020-12-07 16:27  夕西行  阅读(3379)  评论(0编辑  收藏  举报