- 博客(5)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 ICML2018(Anomaly Detection)：Deep SVDD-论文解读《Deep One-Class Classification》
文章目录原文地址论文阅读方法初识相知2. Related Work3. Deep SVDD4. Experiments回顾代码原文地址http://data.bit.uni-bonn.de/publications/ICML2018.pdf论文阅读方法三遍论文法初识本文主要提出一种全新的异常检测方法：Deep SVDD（Deep Support Vector Data Description）用于图像级别的异常检测。采用神经网络提取图像特征，构造单分类目标函数。相知2. Related Wo
2020-12-31 12:05:59
8123
13
原创 数据集预处理：图像等比例缩放并填充
需求描述输入一张图像，长宽不限。先要对其进行等比例缩放使得最长边为x，并且将图像进行填充，使得最后图像尺寸为[x, x]。例：处理前：期望处理后（缩放并填充为128x128）：代码主要依赖库：cv2语言：python传入img与fixed_side，其中img为cv2所读取的图像，fixed_side为期望的边长xdef ResziePadding(img, fixed_side=128): h, w = img.shape[0], img.shape[1]
2020-12-16 21:39:54
3191
1
原创 解决模型加载的路径问题“No such file or directory”
问题描述—— model model.py —— checkpoints Epoch99.pthtest.pymode.py文件中利用torch.load(checkpoints/Epoch99.pth)调用模型在test.py中加载模型出错，明明位置上存在该文件，但是一直提示“No such file or directory: ‘checkpoints/Epoch99.pth’”。原因分析这主要是因为运行的主程序test.py与模型加载所在文件model.py的相对路径以及发生
2020-12-16 20:54:48
34478
6
原创 CVPR2019 无监督异常检测/定位数据集：MVTec AD
《MVTec AD：A Comprehensive Real-World Dataset for Unsupervised Anomaly Detection》简介MVTec AD是MVtec公司提出的一个用于异常检测的数据集，发布于2019CVPR。与之前的异常检测数据集不同，该数据集模仿了工业实际生产场景，并且主要用于unsupervised anomaly detection。数据集为异常区域都提供了像素级标注，是一个全面的、包含多种物体、多种异常的数据集。训练集中只包含正常样本，测试集中包.
2020-12-05 21:58:15
24707
15
原创 这些年在计算机视觉领域中的自监督学习~
文章目录为什么需要自监督学习？什么是自监督学习？Pretext Task进一步理解Pretext TaskClustering & Contrastive LearningContrastive Self-supervised Learning LearningDeep InfoMaxContrastive Predictive CodingLearning Invariance with Contrastive LearningScaling the number of negative exam
2020-12-05 21:43:03
1931
1
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人