![](https://img-blog.csdnimg.cn/20201014180756918.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
Anomaly Detection
工业视觉异常检测
一个机器视觉工程师的自我修养
这个作者很懒,什么都没留下…
展开
-
Auto-Encoder理解
是一种无监督学习模型,可以理解为令最常见的3层的神经网络的“输入->中间层->输出”中的输出等于输入,而目的是得到训练后的中间层。中间层的节点数少于出入层与输出层,这样,如果输出层能够很好的拟合出输入,那么中间层就相当于实现了数据的降维。如果自编码器都是在正常品数据中训练得到的,那么它很可能对于异常数据无法进行拟合,即模型输出与输入存在很大的差异,这种方法可以用于进行异常检测。结合了自身的一些理解,更加具体的信息及代码请阅读该文章。本文主要来源于知乎文章。原创 2024-02-05 09:40:30 · 399 阅读 · 0 评论 -
BGAD文章复现笔记-1
论文Explicit Boundary Guided Semi-Push-Pull Contrastive Learning for Supervised Anomaly Detection的复现笔记原创 2024-01-29 15:38:46 · 488 阅读 · 0 评论