- 博客(4)
- 收藏
- 关注
原创 深度工业图像异常检测调查|Deep Industrial Image Anomaly Detection: A Survey
近期深度学习的迅速发展在工业图像异常检测(IAD)领域标志着一个重要的里程碑。在本文中,研究者对基于深度学习的图像异常检测技术进行了全面的回顾,从神经网络架构、监督水平、损失函数、评价指标和数据集等多个角度进行考察。此外,本文从工业制造中提取出一个有前景的设置,并在提出的设置下回顾当前的IAD方法。更进一步,本文突出了图像异常检测领域中几个尚未解决的挑战。在不同的监督水平下,代表性网络架构的优点和缺点被深入讨论。最后,文章总结了研究发现,并指出了未来研究的方向。
2024-03-31 22:54:06 936
原创 IM-IAD:工业制造中的工业图像异常检测基准 | IM-IAD: Industrial Image Anomaly Detection Benchmark in Manufacturing
图像异常检测(IAD)是工业制造(IM)领域中新兴且至关重要的计算机视觉任务。最近,许多先进的算法被报道出来,但它们在不同的工业制造环境下的表现有很大的偏差。研究者意识到,缺乏一个统一的工业制造基准正在阻碍IAD方法在真实世界应用中的发展和使用。此外,没有统一基准,研究者很难分析IAD算法。为了解决这个问题,本文首次提出了一个统一的工业制造基准,以评估这些算法的表现,包括不同级别的监督(无监督与全监督)、学习范式(少量样本、持续学习和带噪声标签)和效率(内存使用和推理速度)。
2024-03-22 11:56:48 1252 2
原创 3D点云异常检测数据集 | Real3D-AD: A Dataset of Point Cloud Anomaly Detection
本文介绍了Real3D-AD,一个旨在解决高精度点云异常检测领域现有限制的挑战性数据集。尽管高精度点云异常检测被认为是识别先进加工和精密制造缺陷的黄金标准,但数据集的稀缺和缺乏系统性基准测试阻碍了该领域的发展。Real3D-AD通过提供1,254个高分辨率3D物品(每个物品从四万到数百万个点)成为迄今为止最大的高精度3D工业异常检测数据集,其点云分辨率(0.0010mm-0.0015mm)、360度全覆盖和完美原型等特性超越了现有的3D异常检测数据集。
2024-03-17 22:57:55 1492 2
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人