![](https://img-blog.csdnimg.cn/20201014180756930.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
文献阅读
来一包板栗
知乎主页:
https://www.zhihu.com/people/ai-yin-si-tan-lu-dai-ma
展开
-
Semantic Autoencoder for Zero-Shot Learning
前言zero-shot learning(ZSL)是近几年研究的一个热点问题,每年在计算机视觉领域的顶级期刊都会有几篇典型的论文被刊登,比如CVPR。在传统的计算机视觉任务中,一般以多分类问题为基础,比如我们要识别出几个类别:狗、椅子、人,在训练分类模型时,我们会输入三种类别的图像数据去训练模型,对于给定的一个新图片,模型就可以给出一个标签(这张测试图像属于狗、椅子或人)。这个时候就有学者给出...原创 2018-07-10 15:04:24 · 2893 阅读 · 4 评论 -
缺陷检测论文回顾(二)
[1] Autonomous Structural Visual Inspection Using Region-Based Deep Learning for Detecting Multiple Damage Types2018年的一篇杂志文章。文章使用Faster R-CNN用于土木建筑领域的混凝土。钢裂纹等损伤检测,文章主要是把Faster R-CNN迁移到行业检测,算是Faster ...原创 2019-01-07 16:37:33 · 7196 阅读 · 8 评论 -
缺陷检测论文回顾(一)
前言:把以前刷的一些和基金相关的文章,年前这几周,分批次回顾一下。[1] A fast and robust convolutional neural network-based defect detection model in product quality control2017年7月的一篇杂志文章。作者使用一个多层的CNN网络对DAGM2007数据集中的六类缺陷样本进行分类,分类结...原创 2019-03-19 21:24:52 · 15159 阅读 · 14 评论 -
GAN用于表面缺陷检测
前两个月写的,以为误删了,结果在草稿箱里,再发出来吧,也可以见知乎:https://zhuanlan.zhihu.com/p/500994531.前言深度学习在计算机视觉主流领域已经应用的很成熟,但是在工业领域(某些领域应用也很成熟),比如产品表面缺陷检测,总感觉没有发挥深度学习的强大能力,近几年表面缺陷的 相关研究主要是集中在各种借鉴主流神经网络框架,从CNN到YOLO,SSD,甚至到语...原创 2018-11-16 17:37:48 · 19617 阅读 · 30 评论 -
GAN用于(无缺陷样本)产品表面缺陷检测
也可以看知乎:https://zhuanlan.zhihu.com/p/50099453还有以前写的误删的原版:GAN用于表面缺陷检测今年的一篇会议论文,很不错的一个论文,作者使用GAN做无缺陷样本表面缺陷检测,效果还不错。本人水平有限,表述不清楚或错误的地方请指出,一起进步!前言计算机视觉的快速发展也冲击着传统的制造行业,大量的优秀视觉算法应用于表面缺陷的检测。这篇论文[1]...原创 2018-11-14 16:30:26 · 16242 阅读 · 32 评论 -
Learning to See in the Dark
文章链接:https://arxiv.org/pdf/1805.01934.pdf github:https://github.com/cchen156/Learning-to-See-in-the-Dark1.摘要人们提出了各种图像去噪、去模糊和增强技术,但它们在极端条件下的效果是有限的,例如夜间视频速率成像。为了支持基于学习的低亮度图像处理管道的开发,我们收集了一个原始短曝光...原创 2018-11-07 21:32:06 · 2725 阅读 · 1 评论 -
金属表面缺陷检测
文章题目:《Automatic Metallic Surface Defect Detection and Recognition with Convolutional Neural Networks》链接:https://pan.baidu.com/s/1W8r_gG3s2DIbAVgXV8DBpw前言:祖略的过了一下文章,内容也不像作者说的那样很创新,算是基于FCN网络的改进吧,FCN...原创 2018-11-07 09:58:07 · 15113 阅读 · 19 评论 -
手机屏缺陷检测《Scale insensitive and focus driven mobile screen defect detection in industry》
文章链接:https://ac.els-cdn.com/S0925231218302996/1-s2.0-S0925231218302996-main.pdf?_tid=e6efda84-db95-47f2-8203-7a407e4f7265&acdnat=1540366950_8c37c8bf50b3fa2fb0796865363b7906简单对文章的思路大概写一下,主要的对象就是检...原创 2018-10-24 16:11:26 · 4578 阅读 · 3 评论 -
Feature Pyramid Networks for Object Detection
一、论文解决的问题特征金字塔(Feature pyramids)是多尺度目标检测系统中一个基础的组成部分,近几年,考虑到特征金字塔影响模型计算速度、占用内存,大多数深度网络避免使用这个结构,SSD模型提出了一个“内置的”特征金字塔解决了上面问题。但是SSD网络只采用自底向上的路径不够完美,除外,SSD舍弃了高分辨率的底层网络层,对小目标的检测不够理想,作者提出了基于Bottom-up path...原创 2018-08-24 22:59:11 · 2034 阅读 · 0 评论 -
YOLO
一、背景YOLO是近几年目标检测领域的一个创新,在以前的帖子中我们说过,目标检测在刚开始的时候,是通过提取图片的特征,比如SIFT、HOG等,这些特征是研究者人工构建的,使用Deformable Parts Model(DPM)模型,用silding window的方式来预测较高得分bounding box。这种框架非常耗时,而且精度不高。然后出现了以SS(selective search)为...原创 2018-07-27 19:22:52 · 5751 阅读 · 7 评论 -
Fast R-CNN
目录一、概括二、Fast R-cnn框架介绍三、主要内容3.1 RoI pooling layer3.2 从预训练网络中初始化3.3 微调网络用来检测3.4尺度不变性四、训练过程/测试过程4.1 训练过程4.2 测试过程参考资料一、概括在前面两篇帖子《R-CNN》和《Spatial Pyramid Pooling》中,我们知道R-CNN和...原创 2018-07-19 22:12:08 · 8826 阅读 · 0 评论 -
Selective Search
一、前言在目标检测学习系列的文章中,很多检测算法都会涉及到Selective Search的使用,比如R-CNN。这篇文章主要学习一下Selective Search的核心内容和简单使用。论文参考《Selective Search for Object Recognition》二、背景介绍目标检测比图像分类复杂的很重要的一个因素是:一张图像中可能存在多个物体需要分别定位和分类。显然,在...原创 2018-07-17 13:18:21 · 335 阅读 · 0 评论 -
Spatial Pyramid Pooling
一、 前言在目标检测系列文章的上一篇R-CNN中,我们知道R-CNN在当时虽然取得了不错的成绩,但是其需要改进的地方也很多,比如算法步骤比较繁琐,需要大量的时间和内存去训练和测试模型等。除此之外,在训练和测试常见的CNN网络时,要求输入的图像有一个固定的大小,比如CNN要求图像的输入为224*224。(网络前面的卷积层不要求输入图像的大小,后面的全连接层的输入特征数是固定的,需要固定的输入)这...原创 2018-07-14 00:02:01 · 1254 阅读 · 0 评论 -
R-CNN
一、文章概述文章思路:对于输入的图片,首先使用Selective Search给出2000个物体建议候选框(Region Proposal),然后使用CNN提取每个Region Proposal中图片的特征向量,采用多个SVM分类器对各个候选框中的物体进行分类(compute score),得到的是一个region-bounding-box及对应的类别,再利用IOU得到具体的框,为了精确b...原创 2018-07-11 21:19:11 · 816 阅读 · 0 评论