- 博客(6)
- 收藏
- 关注
RSS订阅原创 Pyhon笔记
pycharm输入一个方法时，不知道要给定哪些参数的话，可以按commond + P得到提示1. Python基础（1）直接运行.py文件：在MacOS或Linux系统中，可以直接运行.py文件，方法是在.py文件的第一行加上以下注释：#!/opt/miniconda3/bin/pythonprint("Hello, World!")然后修改.py文件的权限：chmod a+x hello.py这时就可以直接执行hello.py文件了：./hello.py（2）数.
2022-01-25 20:01:56
760
原创 【论文研读】【流模型】【缺陷检测】FastFlow: Unsupervised Anomaly Detection and Localization via 2D Normalizing Flows
FastFlow: Unsupervised Anomaly Detection and Localization via 2D Normalizing Flows1、创新点提出2D流模型——FastFlow全卷积网络2维的loss function能有效获取全局的和局部的分布轻量级网络结构交替拼接大卷积核（3 ×\times× 3）和小卷积核（1 ×\times× 1）适应端到端的推理高效可作为插件使用可配合不同的特征提取器（CNN、ViT）2、解决问题
2022-01-25 19:38:10
6362
2
原创 【论文研读】【流模型】【缺陷检测】 Fully Convolutional Cross-Scale-Flows for Image-based Defect Detection
Fully Convolutional Cross-Scale-Flows for Image-based Defect Detection1. 摘要领域： 缺陷检测模型：flow成就：缺陷检测排行榜第二名数据集：Magnetic Tile DefectsMVTec AD2.创新点（1）提出 fully convolutional cross-scale normalizing flow (CS-Flow)模型，是基于real-NVP的流模型（2）CS-Flow能同时处理不同尺
2022-01-25 19:30:12
3756
原创 【论文研读】【目标检测】Revisiting Open World Object Detection
本文对开放世界目标检测任务进行重新梳理，并提出了两种新的衡量指标针对CEC模块存在理解问题（文中红色问号处）Revisiting Open World Object Detection发表于 Computer Vision and Pattern Recognition 2022/01/04Introduction(1) 概要领域：目标检测行文目的：OWOD的实验设置不合理（benchmark不合理、度量标准不合理、研究方法不合理）贡献：（1）提出了5条基本原则，用以指导O.
2022-01-25 18:55:37
4948
9
原创 【论文研读】不使用自然图片进行预训练
Pre-training without Natural Images文中关于分形类别生成部分（2-（2））存在理解问题（标注红色问号的位置）1 概览（1）存在问题使用自然图片及标签做预训练存在以下问题：许多大型数据集均是以众包任务的形式创建的，参与标注的人员有可能缺乏专业性，导致标注信息存在不够精确、侵犯隐私、违背道德等问题许多数据集存在侵权问题，而只能应用于非商业化用途（2）研究内容本文研究内容：使用公式驱动的监督学习及分形理论自动生成图片和标签数据：没有自然图像的预训练，可
2022-01-24 23:16:51
460
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