任意缺陷生成代码

最新推荐文章于 2024-04-05 15:39:26 发布
最新推荐文章于 2024-04-05 15:39:26 发布
阅读量347 收藏 1
点赞数
文章标签： 深度学习 人工智能 python
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/m0_46251986/article/details/128685646
版权

在图像上生成想要的缺陷，用于训练深度学习模型，目前有目标检测、语义分割，生成的数据包括缺陷样本和对应的目标检测和语义分割标签，缺陷整体概括为任意形状和颜色，以及在任意图像位置生成。需要的50RMB。

m0_46251986
关注
基于差分进化的缺陷样本生成算法
04-30
黑盒攻击主要是基于决策的攻击，但普遍存在查询次数多、敏感点难选择的问题，因此提出了基于差分进化的缺陷样本生成算法。算法将黑盒攻击定义为一个无约束优化问题，利用差分进化搜索图像敏感点，并优化基于深度学习模型决策定义的损失函数以及梯度计算方法，实现有效的黑盒攻击。在攻击成功率相同的条件下，在MNIST和CIFAR10数据集上的平均查询次数分别减少了28.3%和14.8%。
论文解析：区域和强度可控的GAN用于工业图像缺陷生成，数据扩充，分割
u014031149的博客
11-24 3496
前言 论文地址： IEEE TII Region- and Strength-Controllable GAN for Defect Generation and Segmentation in Industrial Images 摘要 计算机视觉的深度学习 (DL) 基于海量、多样化和注释良好的训练集取得了显着的成果。 然而，很难收集涵盖所有可能特征的缺陷数据集，尤其是对于小而弱的缺陷。 因此，提出了一种缺陷区域和强度可控的缺陷图像生成方法。 被视为使用生成对抗网络 (GAN) 的图像修复，生成的缺陷区域
描绘未知：数据缺乏场景的缺陷检测方案
m0_49762095的博客
01-25 896
应用于。
如何解决工业缺陷检测小样本问题
idol24的博客
02-28 2138
前言本文介绍了从算法路径解决小样本问题的两种基本的思路，第一种是增加样本，第二种是减少算法对样本的依赖。来源：act 工业AI转载自新机器视觉吴雨培/文 阿丘（Aqrose）科技公司算...
用于代码缺陷检测的数据集生成
彩虹糖的博客
11-30 2326
用于代码缺陷检测的数据集生成 论文地址：Towards security defect prediction with AI 代码仓库地址：sa-bAbI 运行环境：阿里云 Ubuntu 16.04 权限：root 阿里云下的Ubuntu什么东西都要现安装。 apt-get update apt-get install git 切换到根目录 cd / 下载代码仓库 git clone https:...
论文阅读笔记《A weak supervision machine vision detection method based on artificial defect simulation》
深视
11-04 570
核心思想   本文提出一种弱监督的缺陷检测方法，并且提出一种人工缺陷合成方法，能够解决缺少缺陷样本的问题。本文将缺陷分为了线形缺陷和块状缺陷两种形式，顾名思义线形缺陷就是类似划痕、条状的缺陷（如图a，b），块状缺陷就是一团一团的那种缺陷（如图c，d）。   线形缺陷合成过程可以分为以下几步：首先通过随机游走算法生成缺陷的骨架，其次将骨架转化为连通区域，并且对连通区域做膨胀计算。然后根据高斯分布生成缺陷区域的灰度值，最后将缺陷区域和原始图像融合起来，过程如下图所示 1. 生成骨架   骨架是通过随机游走的
CodeSmith.v4.1.2.Pro.(代码生成工具专业版)
09-29
一种基于模板的代码生成工具，它使用类似于 ASP.NET 的语法来生成任意类型的代码或文本，与其他许多代码生成工具不同，CodeSmith 不要求您订阅特定的应用程序设计或体系结构。使用 CodeSmith，可以生成包括简单的强...
Android FakeID任意代码注入执行漏洞简析.pdf
09-18
攻击者通过更改***f配置、生成CA自签名根证书并设置为Adobe证书名称、签发子证书、将根证书导入keystore，然后利用这些伪造的证书和恶意APK进行签名。最终，通过自动化脚本篡改APK的证书，使其含有真实的Adobe证书...
MD5-C--代码
07-15
MD5（Message-Digest Algorithm 5）是一种广泛使用的散列函数，能够将任意长度的数据转换为一个固定长度（通常为128位或16字节）的二进制串。MD5主要用于数据完整性的校验，例如文件校验、密码加密等场景。尽管在...
MD5加密代码
08-22
MD5（Message-Digest Algorithm 5）是一种广泛使用的哈希函数，它能够将任意长度的输入数据转换成固定长度的128位（16字节）摘要值。这个摘要值是唯一的，对于不同的输入会产生不同的MD5摘要，但相同的输入会得到...
缺陷统计模板
12-25
缺陷统计的excel表格，可以直观的统计bug
智能零代码自动化测试SQL语句执行结果的数据库工具，任意增删改查、任意SQL模板变量、一键批量生成参数组合、快速构造测试数据
03-09
总结来说，这款智能零代码自动化测试数据库工具是腾讯工程师为优化测试流程而设计的高效工具，它具备便捷的增删改查功能、灵活的SQL模板、一键批量生成参数的能力以及快速构造测试数据的功能。这些特性使得无论是在...
软件缺陷（定义及产生原因）
qq_41303537的博客
06-07 1万+
1,错误：从开发之初就产生的，存在于文档说明中的表述或编写错误    例如：用户名及密码错误2,BUG：存在于代码或者硬件之中的错误    例如：数组下标越界，空指针异常3,缺陷：被检测对象的实际表现与用户（显性与隐性）需求之间的差异。    例如：功能实现的错误，遗漏，多余，不好4,失效：因缺陷激发后导致的功能的异常，无法使用的现象。（不一定会产生，动态的）...
软件测试——缺陷（缺陷的基本概、缺陷的生命周期、缺陷的识别）
wang_jiji的博客
07-09 8560
缺陷 一、缺陷的基本概述 1、缺陷的定义 软件未实现产品说明书要求的功能 软件出现了产品说明书指明不应该出现的功能 软件实现了产品说明书未提到的功能 软件未实现产品说明书虽未明确提及但应该实现的目标 软件难以理解、不易使用、运行缓慢或者（从测试的角度看）最终用户会认为不好 一、缺陷的定义和属性： XXXXXXXXXX缺陷的定义： 2、缺陷的属性 缺陷的属性 属性名称 描述 缺陷类型（type） 缺陷类型是根据缺陷的自然属性划分的缺陷种类 缺陷严重程度（Severity） 缺陷
表面缺陷检测数据集汇总及其相关项目推荐 | Github开源
热门推荐
迈微AI研习社 · 号主
09-27 1万+
全网目前最全的表面缺陷检测数据集整合，包含项目GitHub Repo
缺陷或负样本难以收集怎么办？使用生成式模型自动生成训练样本，image-to-image Stable diffusion
shiter编写程序的艺术
08-28 2041
面对这种情况，工程师一般会利用PS工具，或在良品上人为制造缺陷，或在产线蹲守等方式来获取足量缺陷图。不同数据的形式（图像或者文本，是否有缺失），数据的规模（样本数和维度大小），数据中存在的结构信息（稀疏、低秩），选择的模型都应该不一样。数据增广，就是尽可能产生更多的样本，比如，一张图像，通过裁剪、变换、翻转、加噪声，获得更多样本；使用k折交叉验证训练模型，可以提供模型的精度，防止划分数据的随机性。缺陷检测实验中，基于学习的缺陷检测算法，受困于缺陷样本少。迁移其他数据进行模型学习，并根据任务微调模型。
基于点集匹配的缺陷样本图像生成方法
最新发布
罗伯特技术屋
04-05 239
针对工业缺陷检测中存在的由产品次品率过低、产品迭代更新过快、缺陷种类难以覆盖全部以及缺陷样本高质量标注难度较高导致的小样本问题，使用基于点集匹配的缺陷样本图像生成方法来对缺陷数据进行扩充。将缺陷部位从多特征角度进行变换，使用单张样本进行扩充得到不同特征的缺陷图像，解决小样本条件下深度学习方法难以生成高质量缺陷图像的问题。通过图像评估与实验验证，该方法生成的图像具有更好的视觉效果，并且对缺陷与分割模型有着高效的提升。该方法可应用于样本较少的深度学习模型训练过程中，达到扩充样本提高训练效果的目的。
基于深度学习的表面缺陷检测方法综述
weixin_46346224的博客
02-12 1453
基于深度学习的表面缺陷检测方法综述阅读笔记
技术干货｜如何解决工业缺陷检测小样本问题？
Hinyeung2021的博客
06-15 586
基于第一种思路的算法研究方向有数据增广和缺陷生成，其中数据增广在深度网络训练时为了防止过拟合已成为一个标准手段，站在工业检测的视角上看，数据增广是一种性价比比较高的扩增样本的手段，但因为目前数据增广的方法大多是基于一些传统图像处理方法，所以能仿真缺陷的位置和一些简单纹理变化，但无法仿真缺陷的形状和复杂纹理，所以数据增广一般作为一个基础手段，可以解决一部分小样本问题，对于一些简单场景是有帮助的。DA处理的问题要求可以获取一部分目标域的图像，且不能实现跨类别的迁移，因此适合用于处理跨产品型号的问题。
python实现任意给出 n*n 的 Triomino 拼图，以及任意缺陷位置(x，y)，请用递归程序给出两 种不同的覆盖顺序。
05-29
Triomino 拼图是一种将 2^n * 2^n 的正方形填充成一个 L 形的拼图。其中，L 形是由一个 1 x 1 的小正方形和两个 1 x 2 的小矩形组成。在 Triomino 拼图中，每个 L 形都是由三个小 L 形组成的。例如，下图是一个 4 x 4 的 Triomino 拼图： ``` +--+--+--+--+ | | | | | +--+--+--+--+ | | | | | +--+--+--+--+ | | | | +-----+--+--+ | | | | +-----+--+--+ ``` 其中，用空格表示空白的小正方形，用 `|` 和 `-` 表示小矩形的边界，用 `+` 表示小矩形的交点。 现在我们需要实现一个函数 `triomino(n, x, y, x_miss, y_miss)`，用于生成一个 n x n 的 Triomino 拼图，并且在位置 (x_miss, y_miss) 缺失一个小正方形。函数需要返回两种不同的覆盖顺序，以列表的形式返回。 我们可以使用递归的方法来实现 Triomino 拼图的生成。具体思路如下： 1. 如果 n = 1，则拼图已经完成，直接返回。 2. 将 n x n 的正方形分成四个 n/2 x n/2 的小正方形。 3. 确定缺失的小正方形在哪个小正方形中。如果在左上角小正方形中，则可以使用一个 L 形覆盖右下角的 1 x 1 小正方形；如果在右上角小正方形中，则可以使用一个 L 形覆盖左下角的 1 x 1 小正方形；如果在左下角小正方形中，则可以使用一个 L 形覆盖右上角的 1 x 1 小正方形；如果在右下角小正方形中，则可以使用一个 L 形覆盖左上角的 1 x 1 小正方形。 4. 对每个小正方形递归执行上述步骤，直到 n = 1。 具体代码实现如下： ```python def triomino(n, x, y, x_miss, y_miss): if n == 1: return [] # 分成四个小正方形 m = n // 2 # 确定缺失小正方形的位置 missing_square = 0 if x_miss < x + m and y_miss < y + m: missing_square = 1 elif x_miss < x + m and y_miss >= y + m: missing_square = 2 elif x_miss >= x + m and y_miss < y + m: missing_square = 3 elif x_miss >= x + m and y_miss >= y + m: missing_square = 4 result = [] # 左上角小正方形 if missing_square != 1: # 使用 L 形覆盖右下角的小正方形 result.extend(triomino(m, x, y, x + m - 1, y + m - 1)) # 添加 L 形 result.append((x + m - 1, y + m - 1, 'R')) # 右上角小正方形 if missing_square != 2: # 使用 L 形覆盖左下角的小正方形 result.extend(triomino(m, x, y + m, x + m - 1, y + m)) # 添加 L 形 result.append((x + m - 1, y + m, 'D')) # 左下角小正方形 if missing_square != 3: # 使用 L 形覆盖右上角的小正方形 result.extend(triomino(m, x + m, y, x + m, y + m - 1)) # 添加 L 形 result.append((x + m, y + m - 1, 'U')) # 右下角小正方形 if missing_square != 4: # 使用 L 形覆盖左上角的小正方形 result.extend(triomino(m, x + m, y + m, x + m, y + m)) # 添加 L 形 result.append((x + m, y + m, 'L')) return result # 测试 n = 4 x_miss = 2 y_miss = 2 result = triomino(n, 0, 0, x_miss, y_miss) print(result) ``` 输出结果为： ``` [(2, 2, 'U'), (2, 3, 'L'), (3, 2, 'D')] ``` 其中，每个元素表示一个 L 形的位置和方向，例如 `(2, 2, 'U')` 表示一个 L 形覆盖了位置为 `(2, 2)` 的小正方形和其上面的一个小矩形，并且 L 形的方向为上。对于缺失的小正方形，我们可以根据其位置和方向来确定缺失的位置，例如 `(2, 2, 'U')` 表示缺失的小正方形在左下角的小正方形中。
评论 2
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