监督学习--多类表面缺陷并发识别

最新推荐文章于 2024-08-07 21:18:06 发布
最新推荐文章于 2024-08-07 21:18:06 发布
阅读量574 收藏 2
点赞数 1
分类专栏： 表面缺陷检测 文章标签： 机器学习 计算机视觉 目标检测 神经网络
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/halouaaaa/article/details/121692929
版权

最近在做表面缺陷相关工作，以下是自己看过的文件的总结，一些做的比较好的文献得到的结果
（2018-2021年）
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
文章来源于一篇综述的参考文献：
Bhatt-2021-Image-Based Surface DefectDetection Using Deep Learning ：A Review

halouaaaa
关注
  • 1
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
深度学习实现缺陷检测算法汇总
qq_29462849的博客
02-17 2万+
作者：Tom Hardy Date：2020-1-6 来源：总结|深度学习实现缺陷检测 前言 缺陷检测是工业上非常重要的一个应用，由于缺陷多种多样，传统的机器视觉算法很难做到对缺陷特征完整的建模和迁移，复用性不大，要求区分工况，这会浪费大量的人力成本。深度学习在特征提取和定位上取得了非常好的效果，越来越多的学者和工程人员开始将深度学习算法引入到缺陷检测领域中，下面将会介绍几种深度学习算法在缺陷...
linux网络编程-多进程并发
05-04
linux网络编程-多进程并发
Segmentation-Based Deep-Learning Approach for Surface-Defect Detection-论文阅读笔记
weixin_43749999的博客
07-21 1957
文中提出了一个基于分割的两阶段的表面缺陷检测方法。第一阶段包括在缺陷的像素级标签上训练的分割网络，而第二阶段包括在分割网络上构建的附加决策网络，以预测整个图像中是否存在异常。对所提出的方法进行了广泛的评估，评估对象是半成品工业产品，即电换向器，其中表面缺陷表现为材料断裂。该问题域已作为基准数据集公开，称为Kolektor表面缺陷数据集（KolektorSDD）。在该领域，将该方法与几种最先进的方法进行了比较，包括专用的商用软件和两种基于深度学习的标准分割方法。...
[图像分割综述] Image Segmentation Using Deep Learning: A Survey
热门推荐
不忘初心~
07-04 1万+
作者调研了100多种基于深度学习模型的最新图像分割算法，分为十类，例如：CNN和FCN，RNN，R-CNN，扩张型CNN，基于注意力 模型，生成模型和对抗模型等。 总结了这些模型的定量性能分析，例如PASCAL VOC，MS COCO，Cityscapes和ADE20k数据集。 最后，讨论了未来几年图像分割所面临的一些开放挑战和潜在研究方向。
论文阅读笔记《Segmentation-based deep-learning approach for surface-defect detection》
深视
10-17 1360
核心思想   本文提出一种基于分割的表面缺陷检测算法，作者通过对网络结构的精心设计，能够仅利用30张带有标签的缺陷样本实现对网络的有效训练，实现了超过商业软件的检测效果。整个网络分成分割网络（Segmentation network）和判断网络（Decision network）两个部分，分割网络就是输出一个二元的分割图，将缺陷区域标记出来；判断网络就是根据分割网络的结果对该区域是否存在缺陷进行判断。网络结构如下图所示   如图所示，在分割网络中，输入图像经过多组卷积进行特征提取，并且每两个卷积组之间都有
基于深度学习的表面缺陷检测方法综述-论文阅读笔记
weixin_43749999的博客
03-02 1万+
//2022.3.2日阅读笔记 原文链接：基于深度学习的表面缺陷检测方法综述 (aas.net.cn) 个人对本篇综述内容的大致概括 论文首先介绍了表面缺陷检测中不同场景下的成像方案，主要根据表面颜色或表面反射性质来制定；接着介绍了工业界中存在的缺陷检测挑战（关键问题），例如：缺陷成像和北京差异小、缺陷尺度不一致、缺陷图片中存在大量的噪声等。 接着论文对缺陷检测问题的定义、缺陷检测的定义作了详细的介绍。而后从四个大方向（基于全监督学习，半监督，无监督，其他）展开文章。 在全监督方面
行业分类-设备装置-一种多媒体应用的并发管理方法和装置.zip
09-02
9. **性能监控和优化**：通过监控系统性能，可以识别瓶颈并进行针对性优化，从而提高整体并发性能。 10. **软件架构设计**：在设计多媒体应用时，采用合适的并发模型（如生产者-消费者模型、线程池模型等）可以提高...
JAVA并发编程-2-线程并发工具类
01-20
JAVA并发编程-2-线程并发工具类一、Fork/Join1、分而治之与工作密取2、使用标准范式3、Fork/Join的同步用法4、Fork/Join的异步用法二、CountDownLatch三、CyclicBarrier四、Semaphore信号量五、Exchanger ...
Java学习资料-并发编程
06-15
Java学习资料—并发编程；Java学习资料—并发编程；Java学习资料—并发编程；Java学习资料—并发编程；Java学习资料—并发编程；
十、并发通信 -并发通信
06-11
并发通信 -并发通信
基于卷积自编码器和图像高斯金字塔的布料缺陷无监督学习与检测方法
hhy_csdn的博客
12-04 7335
基于卷积自编码器和图像金字塔的布料缺陷无监督学习与检测方法 这篇博客是在论文《An Unsupervised-Learning-Based Approach for Automated Defect Inspection on Textured Surfaces》的基础上进行了复现，并加入了自己的理解和改进。 布料纹理缺陷检测与纹理学习 因为对缺陷进行标记或像素级分割很困难，缺陷的类型也十分复杂，...
Image Detection in deep learning
Forever的博客
11-24 567
Some Image Detection Models
缺陷检测End-to-end training of a two-stage neural networkfor defect detection（端到端的两步神经网络的缺陷检测）
haqsda的博客
12-07 1799
论文地址：https://arxiv.org/pdf/2007.07676v1.pdf 代码地址：https://github.com/vicoslab/mixed-segdec-net-comind2021 摘要——基于分割的两阶段神经网络在表面缺陷检测中表现出优异的效果，使网络能够从相对较少的样本中学习。在这项工作中，我们一起介绍了两阶段网络的端到端训练 对训练过程进行了多次扩展，减少了训练时间并提高了表面缺陷检测任务的结果。 为了实现端到端的训练，我们在整个学习过程中仔细平衡了这些分割和分类损失的贡献
机器学习用python还是R，哪个更好？
最新发布
yang_xs的博客
08-07 320
今天是跟大家讨论机器学习用python还是R，哪个更好？在选择使用 Python 还是 R 进行机器学习开发，是我们一个经常讨论的话题，每种语言都有其独特的优势和适用场景。让我们来总结一下使用 Python 或 R 进行机器学习开发时的各自优势和特点，帮助你更好地选择适合自己需求的工具。
机器学习-线性回顾
好好学习
08-05 258
线性回归
机器学习练手（六）：机器学习算法实践实战
qq_33489955的博客
08-04 887
本文为和鲸python 机器学习原理与实践·闯关训练营资料整理而来，加入了自己的理解（by GPT4o），多年风控引擎研发及金融模型开发经验，现任某公司风控研发工程师，对数据分析、金融模型开发、风控引擎研发具有丰富经验。
机器学习用Python 还是 R语言？
嵌入式行业打工人，不定期更新博客。
08-07 540
如果你是一个编程新手，希望快速上手并利用丰富的库进行数据处理和机器学习，那么 Python 可能是更好的选择。如果你的重点是在统计分析方面，并且需要创建专业的统计报告和图表，那么 R 可能更适合你。如果你需要进行深度学习方面的研究，Python 几乎是必选，因为大多数深度学习框架都是用 Python 编写的。最后，根据你的具体项目需求和个人技能背景来决定使用哪种语言。在实际工作中，很多数据科学家会同时掌握这两种语言，以便根据项目的不同阶段灵活切换。
机器学习周报（7.29-8.4）
weixin_51923997的博客
08-04 1093
本周跟着李宏毅老师学习了循环神经网络，从RNN的引入背景，分类原理等详细学习了几种RNN的分类，LSTM，RNN学习方式。学习了自注意力机制，学习了机制原理到公式理解以及举详细数据例子进行公式理解。学习了自注意力与CNN、RNN的对比.本周的学习对相关概念和公式进行了理解和记忆，下周将继续学习深度学习的神经网络模型，如：Transformer、生成式对抗网络等。
【机器学习】线性回归和逻辑回归的关系以及LinearRegression、LogisticRegression两种类的基本概念
m0_49243785的博客
08-04 1282
线性回归用于估计两个或多个变量之间的定量关系，目的是预测连续型变量，如房价、股票价格等逻辑回归是一种广义的线性回归分析模型，主要用于解决分类问题，特别是二元分类问题。它通过sigmoid函数将线性回归的输出映射到0和1之间，表示某个事件发生的概率
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