图像异常检测

已于 2023-10-13 08:44:44 修改
阅读量183 收藏
点赞数
文章标签： AIGC
于 2023-07-07 11:49:03 首次发布
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/qq_41375318/article/details/131593867
版权
文章介绍了两种图像异常检测方法——MemSeg和EfficientAD。MemSeg是一种半监督的学习方法，利用图像的差异和共性来检测表面缺陷，其官方代码已在GitHub上发布。而EfficientAD则专注于在毫秒级别实现高精度的视觉异常检测，为实时监控提供了可能。
摘要由CSDN通过智能技术生成

图像异常检测

Fast flow

CSFlow

MemSeg: A semi-supervised method for image surface defect detection using differences and commonalities

论文：https://arxiv.org/abs/2205.00908
https://paperswithcode.com/paper/memseg-a-semi-supervised-method-for-image

官方代码实现:https://github.com/areylng/MemSeg
非官方代码实现：https://github.com/TooTouch/MemSeg

EfficientAD: Accurate Visual Anomaly Detection at Millisecond-Level Latencies

https://paperswithcode.com/paper/efficientad-accurate-visual-anomaly-detection

*Major*
关注
深度学习论文: EfficientAD: Accurate Visual Anomaly Detection at Millisecond-Level Latencies及其PyTorch实现
mingo_敏
10-08 2364
EfficientAD使用一种学生-教师的方法来检测异常特征。即训练一个学生网络来预测正常的、即无异常的训练图像的提取特征。在测试时，通过学生无法预测异常特征来实现异常检测。同时提出了一种训练损失，限制了学生模仿教师特征提取器超出正常图像的范围。这使得EfficientAD能够大大降低学生-教师模型的计算成本，同时提高对异常特征的检测能力。此外，EfficientAD还解决了检测涉及无效的正常局部特征组合的具有挑战性的逻辑异常问题，例如对象的错误排序。
异常检测 | EfficientAD: Accurate Visual Anomaly Detection at Millisecond-Level Latencies 毫秒级延迟的精准视觉异常检测
Thomas_Cai的记忆殿堂
08-26 3754
摘要：检测图像中的异常是一项重要的任务，特别是在实时计算机视觉应用中。在这个工作中，我们关注计算效率并提出处理图像的轻量级特征提取器在现代GPU上不到一毫秒。然后我们使用学生-教师方法检测异常特征。我们训练一个学生网络来预测所提取的特征正常的，即无异常的训练图像。在测试时检测异常是由于学生无法预测其特征。我们提出了一种训练损失，阻碍学生模仿教师特征提取器超出正常图像。它使我们大大降低了学生-教师模型的计算成本，同时提高了异常特征的检测。
MemSeg 开源项目教程
gitblog_00826的博客
08-21 247
MemSeg 开源项目教程 MemSeg项目地址:https://gitcode.com/gh_mirrors/me/MemSeg 项目介绍 MemSeg 是一个基于深度学习的图像分割工具，旨在通过高效的算法和简洁的接口，帮助用户快速实现图像分割任务。该项目利用了先进的神经网络架构，能够在多种场景下提供准确的分割结果。 项目快速启动 环境准备 在开始之前，请确保您的系统已安装以下依赖： Pyt...
7篇异常检测最新论文解析（附20+篇高引经典）
学姐带你玩AI的博客
06-19 3837
异常检测作为机器学习中的一个非常重要的子分支，目前已经广泛应用于计算机视觉、数据挖掘、NLP等方向。近年来，随着大数据的不断发展，我们对数据处理效率的要求越来越高，人工早已比不上机器，这时候，及时检测数据中的异常问题并加以解决，就成为了不可忽视的重点。这也是为什么异常检测仍是热门研究方向的原因之一。老规矩下载打包好了，看文末直接领取。
MemSeg:一种差异和共性来检测图像表面缺陷的半监督方法
斯人若彩虹，遇上方知有！
08-21 3453
本文认为人为创建类内差异和保持类内共性可以帮助模型实现更好的缺陷检测能力，从而更好地区分非正常图像。如图一所示。差异（differences）:MemSeg引入人工模拟的异常图像在训练阶段使模型能够区分正常和异常的图像，减轻了半监督学习只能用正常样本进行训练的不足，然后在推理阶段可以直接输入图像无需做任何后处理。共性（commonalities）:MemSeg引入了一个记忆池来记录正常样本的通用模式，在训练和推理阶段，比较输入图像和记忆池中的样本之间的差异，为异常区域的定位提供有用的信息。
基于主成分建模的SVDD高光谱图像异常检测 (2014年)
06-14
针对SVDD背景建模时混入异常点造成的检测率下降的问题,提出了基于主成分建模的SVDD方法并应用于高光谱图像异常检测。利用高光谱图像的光谱特征提取背景的主要成分,并分别对不同成分构建超球体,形成单种背景成分SVDD...
论文研究-改进协同表示的高光谱图像异常检测算法.pdf
07-22
针对协同表示的高光谱图像异常检测算法中双窗口中心为异常像元且背景字典存在同种异常像元的情况，中心像元的输出较小，难以与背景区分的问题，提出一种改进协同表示的高光谱图像异常检测算法。为了减小背景字典中...
图像异常检测算法调研-20230607
06-12
### 图像异常检测算法调研 #### 一、异常检测概览 异常检测作为一种重要的数据分析手段，在数据挖掘领域有着广泛的应用。其核心目的是识别出那些不符合预期的行为或模式，即异常值。异常检测问题通常被视为无监督...
图像异常检测数据集.zip
04-12
图像异常检测是计算机视觉领域中的一个重要课题，主要目标是识别图像序列或静态图像中的异常行为或不寻常模式。在安全监控、工业质检、医疗诊断等多个领域有着广泛应用。本数据集"图像异常检测数据集.zip"可能包含了...
【计算机视觉】顶会精选！工业异常检测最新SOTA方案分享！
wzk4869的博客
10-12 1603
【计算机视觉】顶会精选！工业异常检测最新SOTA方案分享！
【论文翻译】EfficientAD: Accurate Visual Anomaly Detection at Millisecond-Level Latencies
yue的博客
03-02 1868
图像异常检测是一个重要的任务，尤其是在实时计算机视觉应用中。在这项工作中，我们聚焦于计算效率，并提出一个轻量化的特征提取器，它可以在现代GPU上在不到一毫秒的时间内处理图像。然后，我们使用学生-教师的方法来检测异常特征。我们训练一个学生网络来预测正常（即无异常）训练图像的提取特征。通过学生网络未能预测其特征，从而在测试时检测到异常。我们提出了一种训练损失，它阻碍学生在正常图像之外模仿教师的特征提取器。它使我们能够大幅降低学生-教师模型的计算成本，同时改进异常特征的检测。
实践 | 目前最快精度最高检测框架（EfficientDet）
gzq0723的博客
05-25 3734
计算机视觉研究院专栏作者：Edison_G疫情以来，各种大型国际会议有如火如荼的开展起来。目前，已经被研究出很多高效高精度的框架，在深度学习领域，模型效率也是越来越重的一个研究课题。不仅...
SOTA性能！半监督工业图像表面缺陷检测新方法MemSeg
阿木寺的博客
06-20 1923
点击下方卡片，关注“CVer”公众号AI/CV重磅干货，第一时间送达点击进入—>CV微信技术交流群转载自：极市平台 | 作者：ZiyangLi导读本文从差异和共性角度出发，提出一个基于记忆的端到端分割网络MemSeg，其借助异常模拟策略来完成端到端异常定位，通过记忆池辅助模型学习。实验结果表明，MemSeg在MVTec AD数据集上实现了SOTA性能，...
Anomalib：异常检测的深度学习库 -- 应用Anomalib训练自己的图片
Thomas_Cai的记忆殿堂
08-24 3117
其他参考资料：https://paperswithcode.com/paper/efficientad-accurate-visual-anomaly-detection。Github链接：https://github.com/openvinotoolkit/anomalib/blob/main/README.md。论文链接：https://arxiv.org/pdf/2202.08341v1.pdf。要训练自己的数据集，首先要知道原本数据集的格式。
【异常检测】【EfficientAD】论文简单梳理与代码实现
胡侃有料的博客
05-31 1687
EfficientAD作为较近的一篇异常检测网络，主要还是从S-T网络入手，对齐进行了相关改进。修改特征提取器引入自动编码器hard loss以及惩罚项。
Paper Reading: EfficientAD：毫秒级延迟的准确视觉异常检测
Transfattyacids的博客
06-20 1599
​ 提出了 EfficientAD，在工业异常检测领域实现了性能和推理运行时间的新标准。​ 先引入了一种高效的网络架构，可以在现代 GPU 上以不到一毫秒的速度计算表达特征。使用学生-教师方法，训练学生网络来预测教师网络（教师网络经过预训练）在正常（即无异常）训练图像上计算的特征。由于学生没有接受过异常图像方面的训练，因此通常无法在这些方面模仿老师。因此，教师和学生的输出之间存在较大距离，因此可以在测试时检测到异常情况。
探索高效视觉异常检测：EfficientAD
gitblog_00077的博客
06-06 386
探索高效视觉异常检测：EfficientAD EfficientAD项目地址:https://gitcode.com/gh_mirrors/ef/EfficientAD 项目介绍 在计算机视觉领域，异常检测是至关重要的一个环节，尤其在工业自动化和监控系统中。EfficientAD 是一款基于 PyTorch 实现的开源项目，它专注于提供一种高效且准确的视觉异常检测解决方案。该项目源自于一篇名为 ...
cnn在医学图像异常检测
最新发布
09-15
在医学图像异常检测中，CNN可用于自动识别和分类医学图像中的正常组织与异常组织。 CNN 在医学图像异常检测中的应用主要包含以下几个步骤： 1. 图像预处理：这一步骤是为了提高图像质量，包括去噪、标准化、增强...
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