【毕设记录日记】深度学习|铝型材表面缺陷视觉检测算法：相关课程、论文及公开数据集

已于 2022-04-08 12:35:15 修改
阅读量3.6k 收藏 21
点赞数 2
分类专栏： 毕业设计进程日记 数据集 文章标签： 机器学习 视觉检测 算法 python 计算机视觉
于 2022-02-10 22:26:20 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/SylviaMiller/article/details/122870407
版权

2022.2.10

1.机器学习|目标检测|计算机视觉|python入门课程

（1）谷歌机器学习经典课程

【经典课程】机器学习-入门与实战[中英字幕】_哔哩哔哩_bilibili

【谷歌教程】机器学习-学以致用_哔哩哔哩_bilibili

（2）计算机视觉|目标检测

【计算机视觉】目标检测从入门到精通-基础原理与项目实战_哔哩哔哩_bilibili

从未见过如此通俗易懂的【YOLO目标检测实战教程】！原理+代码实现，讲的是真好啊！-人工智能/物体检测/深度学习/计算机视觉_哔哩哔哩_bilibili

（3）阿里云比赛学习视频

[飞粤云端2018]广东工业智造大数据创新大赛—智能算法赛学习资料-天池大赛-阿里云天池

 （4）Python学习视频

求知讲堂python+人工智能 99天完整版 学完可就业_哔哩哔哩_bilibili

​​​​​​价值26980元Python+人工智能教程，学完年薪30w-尚学堂高琪Python400集完整版_哔哩哔哩_bilibili

（5）机器学习与深度学习|AI人工智能全家桶

【人工智能全家桶课程】机器学习与深度学习-最详细入门课程，涵盖所有人工智能领域 [李宏毅|中文|高清]_哔哩哔哩_bilibili  

2.相关论文学习

来源：中国知网、维普资讯、读秀、万方

 3.公开数据集

来源：[飞粤云端2018]广东工业智造大数据创新大赛—智能算法赛-天池大赛-阿里云天池

更多金属数据集：几种表面缺陷检测数据集_庆志的小徒弟-CSDN博客_缺陷检测数据集 

链接：https://pan.baidu.com/s/1C_083GhvWZCSYSoj3sFUEw 
提取码：w5q9 

SylviaMiller
关注
专栏目录
目标检测数据集---工业铝片表面缺陷数据集
06-13 1778
Yolov8工业缺陷检测：基于铝片表面的缺陷检测算法
目标检测-部分天池铝型材表面瑕疵数据集
10-25
在这个场景下，我们关注的是“目标检测-部分天池铝型材表面瑕疵数据集”，这是一个专门针对铝型材表面缺陷检测的数据集，用于训练和评估机器学习模型。 数据集包含了三个不同的类别，它们代表了铝型材可能存在的三...
项目案例：基于 YOLO 的铝型材表面缺陷识别
小白学视觉
03-25 1171
点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达导读针对铝型材表面缺陷快速准确检测的需求，本文提出一种基于 YOLO 深度学习模型的铝型材表面缺陷识别方法。而建立基于 YOLO 的铝型材表面缺陷识别模型，通过增加模型预测尺度，提高对微小缺陷的识别能力。通过多尺度训练方法，增强模型对不同尺度缺陷的适应性和识别精度。铝型材作为建筑和机械工业领域中重要的应用材料，其全行业的产量和消...
＜数据集＞铝型材缺陷识别数据集＜目标检测＞
qq_53332949的博客
08-16 506
YOLO与VOC格式的铝型材缺陷识别数据集，适用于YOLO系列、Faster Rcnn、SSD等模型训练，共10个类别，图片数量1885
目标检测应用竞赛 | 天池铝型材表面瑕疵（含数据集、详细解决方案）
热门推荐
AI算法修炼营的博客
03-10 1万+
点击上方“AI算法修炼营”，选择加星标或“置顶”标题以下，全是干货目标检测应用竞赛——天池铝型材表面瑕疵数据集下载链接：https://tianchi.aliyun.com/compet...
钢板表面缺陷数据集(铝型材和德国DAGM数据集混合制作，使用了高斯噪声扩充数据集)
05-01
1.钢板表面划伤数据集 2.钢板表面孔洞数据集 3.钢板表面焊缝数据集 4.该数据集由铝型材数据集和德国DAGM数据集混合制作，铝型材数据集有10个类别，选择上述三类，德国DAGM数据集也有10个类别，选取其中上述三个类别。 5.部分标签文件手工标注 6.共4282张jpg图片和其对应的4282个xml格式的标签 7.经过整理，直接可以用 8.由于文件有1.67G所以分两次上传 9.第二部分
YOLO铝片表面缺陷检测数据集(含1000张图片)+对应voc、coco和yolo三种格式标签+划分脚本+训练教程.rar
11-03
1、YOLO铝片表面缺陷检测数据集，真实场景的高质量图片数据，数据场景丰富。使用lableimg标注软件标注，标注框质量高，含voc(xml)、coco(json)和yolo(txt)三种格式标签，分别存放在不同文件夹下，可以直接用于YOLO系列的目标检测。 2、附赠YOLO环境搭建、训练案例教程和数据集划分脚本，可以根据需求自行划分训练集、验证集、测试集。 3、数据集详情展示和更多数据集下载：https://blog.csdn.net/m0_64879847/article/details/132301975 4、如需更多数量和其他数据集请私信博主~
【目标检测】铝片表面缺陷检测数据集VOC+YOLO
lwx666sl的博客
04-13 723
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)：400 标注数量(xml文件个数)：400 标注数量(txt文件个数)：400 标注类别数：4 标注类别名称:["ca_shang","zang_wu","zhe_zhou","zhen_kong"] 每个类别标注的框数： ca_shang 框数 = 270 zang_wu 框数 = 456 zhe_zhou 框数 = 124
铝型材表面缺陷检测数据集VOC+YOLO格式1793张10类别.7z
最新发布
08-22
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)：1793 标注数量(xml文件个数)：1793 标注数量(txt文件个数)：...
瑕疵检测数据集
01-05
缺陷检测/瑕疵检测数据集。包含瑕疵图片的训练集和验证集。
天池：铝型材表面瑕疵识别比赛第10名 算法分享&github链接-附件资源
03-05
天池：铝型材表面瑕疵识别比赛第10名 算法分享&github链接-附件资源
缺陷检测数据集
11-15
缺陷检测数据集，用于训练缺陷检测神经网络。从https://github.com/sundyCoder/DEye下载
基于多任务深度学习的铝材表面缺陷检测
01-26
针对工业铝材缺陷检测中由缺陷样本稀疏带来的训练过拟合、泛化性能差等问题,提出一种基于多任务深度学习的铝材缺陷检测方法。先基于Faster RCNN设计一个包含铝材区域分割、缺陷多标签分类和缺陷目标检测的多任务深度网络模型;再设计多任务损失层,利用自适应权重对各项任务进行加权平衡,解决了多项任务训练中的收敛不均衡问题。实验结果表明,在有限的数据集支持下,相较于单任务学习,该方法能够在保持分割任务的均交并比(MIoU)指标最优的情况下,分别提高多标签分类和缺陷目标检测的准确率,解决了由铝材缺陷检测样本少引起的检测精度较低的问题。对于多任务应用场景,该模型能够同时完成三个任务,减少推断时间,提高检测效率。
【表面缺陷检测】铝型材表面缺陷检测数据集介绍（含xml标签文件）
学无止境、积少成多、厚积薄发
10-26 2322
【表面缺陷检测】铝型材表面缺陷检测数据集介绍（含xml标签文件）
铝片表面缺陷检测数据集
2402_83140078的博客
04-13 308
今天，介绍铝片表面缺陷检测数据集： 数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)：400 标注数量(xml文件个数)：400 标注数量(txt文件个数)：400 标注类别数：4 标注类别名称:["ca_shang","zang_wu","zhe_zhou","zhen_kong"] 每个类别标注的框数： ca_shang 框数 = 270 zang_wu 框数 = 45
毕业设计-基于深度学习的铝型材表面缺陷识别系统 YOLO python 卷积神经网络 人工智能
2301_79555157的博客
12-02 1261
毕业设计-基于深度学习的铝型材表面缺陷识别系统的毕业设计。该系统利用深度学习算法，通过对铝型材表面图像进行分析和处理，能够高效准确地检测和识别铝型材的各种表面缺陷，如凹陷、划痕等。通过设计和实现该系统，可以提高铝型材生产过程中的质量控制效率和准确性，减少人工检测的工作量，避免因人为因素导致的误判和漏检。绍了系统的整体架构和关键技术，包括数据集的构建、深度学习模型的选择和训练方法等。实验结果表明，该系统在铝型材表面缺陷识别方面具有较高的准确率和鲁棒性，具有广阔的应用前景和推广价值。
天池铝型材表面缺陷数据集
09-09
天池铝型材表面缺陷数据集是一个用于铝型材质量检测的数据集。在铝型材的实际生产过程中，由于各方面因素的影响，铝型材表面会出现裂纹、起皮、划伤等瑕疵，这些瑕疵会严重影响铝型材的质量。为了解决传统人工肉眼检查效率低下的问题，铝型材制造商迫切希望采用最新的AI技术来改进质检流程，提高产品质量。 天池铝型材表面缺陷数据集包含了1万份来自实际生产中有瑕疵的铝型材监测影像数据，每个影像都包含一个或多种瑕疵，并且明确标识了影像中所包含的瑕疵类型。通过这个数据集，可以训练机器学习模型来自动检测铝型材表面的缺陷，提高质检效率和准确性。 同时，有人提出了关于该数据集的改进意见。其中一种意见是将背景的颜色去掉，换成一个新的数据集，以解决模型在定位缺陷时将有些脏点定位到背景上的问题。这样做可能会影响原来的铝材图片，但可以提高模型的分数。这个改进意见可以进一步优化数据集和训练模型的效果。
评论 8
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值