![](https://img-blog.csdnimg.cn/direct/30ca98b1f62d448eadf08fb9a8e919d9.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
最新论文
文章平均质量分 91
神经网络、深度学习、图像处理、目标检测、异常检测等最新论文解读
「已注销」
这个作者很懒,什么都没留下…
展开
-
PromptAD: Learning Prompts with only Normal Samples for Few-Shot Anomaly Detection CVPR2024
从数据集的异常标签中生成异常后缀,如[ ] with color stain,[ ] with crack等,然后将这些文本与NP进行拼接,得到人工异常提示。像素级对比实验结果记录在下表中。因此本文提出SC模型,即文本语义串联,是将正常提示加入异常前缀或者后缀构造成为异常提示,从而从正常提示样本来构造足够多的异常提示样本,这些异常提示用来在单分类问题中进行训练。PromptAD与一些多样本设置下的方法相比,取得了更好的图像级结果,像素级结果也具有竞争力,充分验证了PromptAD在少样本情景下的性能。原创 2024-04-18 08:42:39 · 880 阅读 · 0 评论 -
Localization Distillation for Object Detection PAMI2023
本文在知识蒸馏方法(Knowledge Distillation, KD)基础上提出位置蒸馏方法(Localization Distillation, LD),研究logit蒸馏与feature蒸馏的区别,提出有价值的定位区域的概念(Valuable Localization Region, VLR),将LD扩展到旋转版本使其可以应用于任意方向的目标检测,在数据集MS COCO\PASCAL VOC\DOTA上对logit mimicking和feature imitaion进行实验和分析。原创 2024-01-14 11:37:41 · 1255 阅读 · 0 评论 -
SimpleNet: A Simple Network for Image Anomaly Detection and Localization CVPR2023
SimpleNet网络由4部分构成,分别是预训练的特征提取器,浅层的特征适配器,异常特征生成器和异常判别器。将SimpleNet方法(主干网络为WideResnet50)与现有的各类方法,如基于重构的方法(AE-SSIM, RIAD),基于合成的方法(DR-EM, CutPaste),基于嵌入的方法(CS-Flow, PaDIM, RevDist, PatchCore)一同在数据集MVTec AD上进行异常检测实验,以I-AUROC(左)和P-AUROC(右)作为评价模型好坏的标准。原创 2024-01-14 18:53:44 · 1989 阅读 · 0 评论