CPMF复现笔记（2）：训练MVTecAD-3D数据集, 精度SOTA

已于 2024-08-20 17:31:29 修改
阅读量189 收藏 2
点赞数 1
文章标签： 笔记
于 2024-08-20 16:56:04 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/gaooolianggg/article/details/141362279
版权

        文章来自曹云康的最新论文《Complementary Pseudo Multimodal Feature for Point Cloud Anomaly Detection》，在MVTecAD-3D取得了最佳分数。代码地址GitHub - caoyunkang/CPMF: [PR] Complementary Pseudo Multimodal Feature for Point Cloud Anomaly Detection

复现效果

        在上一篇博文中，我详细介绍了CPMF的环境配置与数据预处理，预处理的作用有2个：第一是去除背景（这也是几乎所有MVTecAD-3D相关文章都会进行的操作），二是生成多视角图像和与之对应的点云特征。

        经过预处理的数据集结构如下：

        可以看到，对于每一个x

最低0.47元/天 解锁文章
一个机器视觉工程师的自我修养
关注
  • 1
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Java实现各种加密验证算法（MD5、SHA256、base64、pdkdf2、pdkdf2_sha256）
12程序猿的博客
08-12 1万+
Java实现各种加密验证算法（MD5、SHA256、base64、pdkdf2、pdkdf2_sha256）
CPMF：即将到来的事件推荐的集体成对矩阵分解模型
03-07
在实验方面，研究者们利用了真实的Meetup数据集进行了实验验证。实验结果显示，CPMF模型在推荐性能上优于现有的先进方法。这表明，CPMF模型不仅在理论上具有创新性，而且在实际应用中也展现出了较好的效果，能够为...
CPMF复现笔记（1）：docker环境配置+数据预处理
最新发布
gaooolianggg的专栏
08-20 466
我只是解决了这个问题，但对于其中的原理并没有深入的了解（我只想尽快开展异常检测算法的研究，不想在这里多花费精力）希望其他朋友遇到类似的问题时可以从这篇文章中得到帮助。从init.sh中可以看到，作者使用的是torch1.13.1+cu116，刚好我之前拉取过这个镜像，就直接创建容器了。3. 下载MVTec3D-AD数据集，作者给出了下载链接，但我之前已经下载好了，就按照对应的路径导入到docker容器中了。作为对比，我测试了matplotlib的远程可视化功能，我在容器中运行了如下代码，
西门子故障定位数据集
Hhhh2333_的博客
12-21 307
西门子故障定位数据集自用
读3dsr代码①测试
weixin_40459958的博客
03-26 1042
首先是作者不公开checkpoints，需要自己训练一遍这里先不载入模型单纯过一遍流程而且因为没有说明是否需要去背景（之后再过一下论文），所以反正先用去过背景的数据debug一下这是因为有除零风险，所以加个eps。
GPT4V-for-Generic-Anomaly-Detection
whaosoft143ai的博客
11-11 116
为了评估 GPT-4V 在通用异常检测中的性能，来自华中科技大学、密歇根大学和多伦多大学的研究者联合进行了一项研究，在涉及 4 个数据模态，9 个异常检测任务的 15 个异常检测数据集上对 GPT-4V 进行了全面的测试。具体而言，测试的数据集包括图像、点云、视频、时序等模态，并涵盖了工业图像异常检测 / 定位，医疗图像异常检测 / 定位，点云异常检测，逻辑异常检测，行人异常检测，交通异常检测，时序异常检测等 9 个异常检测任务。然而，在复杂场景中，GPT-4V 的异常检测能力仍然存在一定的局限性。
pmf,cpmf,pdf,cdf，iid的解释
weixin_34342992的博客
07-21 168
转载于:https://www.cnblogs.com/Dzhouqi/p/3203769.html
计算机视觉开源代码汇总
m0_47313541的博客
10-17 1061
论文地址：**[https://arxiv.org/ftp/arxiv/papers/2303/2303.13194.pdf](https://link.zhihu.com/?* 论文地址:**[https://arxiv.org/pdf/2303.13845.pdf](https://link.zhihu.com/?* 论文地址:**[https://arxiv.org/pdf/2303.14158.pdf](https://link.zhihu.com/?
引用论文分析
weixin_40459958的博客
03-14 752
3 当前热点3.1关注样本数无监督的VAD。无监督的VAD专注于识别专门针对特定类别的正常样本进行训练的异常现象[Cao等人，2023a]。其主要目标是对正态特征的分布进行建模，通常包括两个子步骤：特征提取和分布建模。最近的进展主要使用预先训练的神经网络，如ResNet进行特征提取。分布建模的四种主要方案包括存储库、重构、知识蒸馏和基于流程的方法。基于记忆库的方法，例如PatchCore [Roth et al.，2022]，直接存储训练正常样本的特征。
python实现矩阵的四种分解
老问题的博客
01-06 6621
课程作业随便写写，不一定对 1.满秩分解 #满秩分解 import numpy as np import sympy from sympy import Matrix from sympy.matrices import dense from sympy import * import math # a = [[1, 2, 1, 1], [2, 1, -2, -2], [1, -1, -4, 3]] # a = [[1,3,2,1,4],[2,6,1,0,7],[3,9,3,1,11]] a =.
基于卷积神经网络与约束概率矩阵分解的推荐算法.pdf
09-25
综上所述，基于卷积神经网络与约束概率矩阵分解的推荐算法通过集成深度学习的表达能力与矩阵分解的解释性，有效地处理了数据稀疏性和上下文信息缺失的问题，提高了推荐系统的精度。这一方法对于优化推荐系统性能、...
第三章算法列表及结果说明1
08-08
在本章中，我们主要探讨了五种不同的推荐系统算法，它们都在MovieLens 100K数据集上进行了测试，以评估其性能。以下是这些算法的详细说明： 1. **Apriori算法**：Apriori是一种经典的关联规则挖掘算法，用于发现...
哈希原理(笔记)
m0_62024160的博客
08-17 1083
尤其应该注意Hash function的设计，它是一个难点，Hash funtion设计好坏直接关乎哈希表查询速度的快慢。考虑到哈希碰撞(涉及到对链表的操作)，所以最坏的时间复杂度都是O(n)。早期的md5被破解也是因为人们搞清楚了它的加密方法 f(1) )大多利用单向散列函数函数。(简称为f(2) )计算查询哈希碰撞确认某个哈希值的存在，但是无法通过 f(2)逆推出明文(因为 f(2)只是验证方法，而非解密方法)。(本图来源：wiki)这个签名是由文件的散列值通过发布者的私钥加密生成的。
树莓派开发笔记02-树莓派的GPIO口输出控制
wan1234512的博客
08-18 863
本文详细描述了树莓派GPIO编程的3种方式，wiringPi库、BCM2835库、Python库，以及分别使用这几种库进行GPIO的输出控制。
通信原理学习笔记
X131644的博客
08-18 268
一个手机通话需要经过下面三个网络 类别 接入网（Access Network） 承载网（Transport Network） 核心网（Core Network） 定义 连接终端用户与电信网络的部分。 在接入网和核心网之间传输数据的网络。 处理、交换和管理通过承载网传输的数据。 主要功能 - 用户接入- 信号传输- 覆盖局部区域 - 高效传输- 汇聚与分发- 资源管理 - 呼叫控制- 数据交换- 计费与用户管理- 服务提供 常见技术 - 有线接入（DSL, FTTH）- 无线接入（2G
树链剖分学习笔记
mikeshizi1234的博客
08-19 358
首先，因为后面在讲解的时候会涉及到一些名词，我们来解释一下。重子：对于每一个非叶子节点，它的儿子中以那个儿子为根的子树节点数最大的儿子为该节点的重子。轻子：跟重子相反，一个点不是重子就是轻子（叶子节点除外），对于每一个非叶子节点，它的子中非重儿子的剩下所有儿子即为轻子。重边：一个父亲连接他的重子的边称为重边。轻边：跟重边相反，每一条边不是重边就是轻边。重链：重链的要求非常难，一点是相邻的重边连起来一个重子的链就是重链。如果有还不理解的同学，我们来画一张图来找一找这些东西在哪里。
经验笔记：URI、URL、URN与URC之间的区别
qq_45831414的博客
08-14 653
URI是一种通用的标识符，可以指代任何类型的资源。URL是一种特定类型的URI，它不仅标识资源，还提供了访问该资源的方法。URN是一种用于唯一命名资源的特殊URI类型。URC是一个概念性的术语，用于描述如何构建或创建资源的过程。通过理解这些概念的区别，我们可以更加清晰地识别和使用互联网资源的标识方式。在日常工作中，我们最常遇到的是URL，因为它们是我们访问网页和其他在线资源的基础；而URN则在需要持久引用资源的情况下使用。
24/8/18算法笔记 目标导向强化学习
yyyy2711的博客
08-18 415
初始化DDPG模型data = {'over':[],#Data采样函数#采样结果sample = {'over':[],#采样N个数据#随机一局游戏#随机游戏中的一步，这里除了最后一步#提取数据#设置fake goal#随机选择step后面的某一步#以后面某个步的状态为一个伪的终点，也就是希望先走到这里再说#求二范数mod = [#再自己重新计算reward和over#以伪终点构建新的state#计算最后10个数据reward_sum的值。
【笔记1-7】Qt bug记录：error C2371: QStringList重定义；不同的基类型，Qt6无法使用QStringList
qq_43598101的博客
08-15 193
一开始尝试在其他文件中使用QStringList，结果是Qt5.9.4版本怎么使用都没有问题，而Qt6.7.2在其他文件中写同样的代码也会有问题。通过调查Qt源码，发现是Qt6对qcontainerfwd文件进行了变更，新增了QStringList的定义，所以才会造成应用层重定义。在Qt5工程升级到Qt6的过程中，出现了QStringList重定义的问题。既然如此，只能将应用层这一句代码删除了。
评论
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