无监督
文章平均质量分 69
视觉菜鸟Leonardo
隐姓埋名,勤学苦练。
展开
-
归一化流总结
归一化流总结原创 2023-05-19 15:13:06 · 891 阅读 · 0 评论 -
模型部署遇到的问题
模型部署原创 2022-11-12 15:36:59 · 2653 阅读 · 4 评论 -
机器学习数学知识
1.协方差(Covariance) 在概率论和统计学中用于衡量两个变量的总体误差,方差是协方差的一种特殊情况(两个变量相同)。协方差表示的是两个变量的总体的误差,这与只表示一个变量误差的方差不同。如果两个变量的变化趋势一致,也就是说如果其中一个大于自身的期望值,另外一个也大于自身的期望值,那么两个变量之间的协方差就是正值。如果两个变量的变化趋势相反,即其中一个大于自身的期望值,另外一个却小于自身的期望值,那么两个变量之间的协方差就是负值。 协方差用于表示变量间的相互关系:正相关、负相关、不相关原创 2022-10-24 22:14:33 · 387 阅读 · 0 评论 -
全面解析PaDiM
使用PaDiM网络跑自己的数据集,除去测试时读入dataloader的时间,每张图片测试时间在20-30ms,精度比较高,图像分类准确率99-100,像素分割准确率97以上,但是最大的问题是需要通过分割好的label来确定阈值选取(这一点必定要改过来)。for循环内的二次for循环:在tqdm的for循环中,每一次代表一轮batch(文章设置batchsize=32),每一轮读取32张图片,k代表layer1、layer2、layer3,v代表对应层数据,feats为从网络中提取到的每层数据。原创 2022-10-24 21:27:52 · 4667 阅读 · 12 评论 -
无监督异常检测中的阈值确定
实际部署中, 需要设置阈值判断待测样本是否属于异常类,无监督方法对缺陷发生概率的表达往往基于异常分数。(1)将归一化的注意力图作为异常分数图,用于像素级的缺陷分割,该方法对阈值设置不敏感(2)PaDiM利用多元高斯分布进行特征建模,使用马氏距离度量异常分数,需要通过相关公式理论推导得出保证假阳性率在预期范围内的分界阈值。但是:这些解决方法不具有普适性,仍然需要借助异常样本来确定最佳阈值,因此借鉴4种使用验证集来设置阈值的方法,且验证集中只包含正常样本。1.最大缺陷分数法:(没有误检,大量漏检)原创 2022-10-23 22:19:01 · 2919 阅读 · 0 评论 -
无监督异常检测实际应用价值对比
无监督指标对比原创 2022-10-14 09:09:07 · 711 阅读 · 0 评论 -
CFLOW-AD:通过条件归一化流量进行实时无监督的异常检测与定位
CFLOW-AD原创 2022-10-08 10:07:07 · 2799 阅读 · 0 评论 -
关于LibTorch的错误记录
libtorch错误记录原创 2022-09-28 10:08:25 · 678 阅读 · 0 评论 -
无监督异常检测(MVTec)
(排名第1)Towards Total Recall in Industrial Anomaly Detection (PatchCore)原创 2022-09-09 16:34:46 · 7564 阅读 · 0 评论 -
无监督学习分类
无监督学习分类原创 2022-09-07 20:35:17 · 3821 阅读 · 0 评论 -
(无监督)基于无监督学习的模板缺陷检测方法研究
(无监督论文)基于无监督学习的模板缺陷检测方法研究原创 2022-09-07 11:10:04 · 3970 阅读 · 7 评论 -
基于MVTec的无监督学习
基于MVTec的无监督学习原创 2022-09-05 22:40:53 · 2008 阅读 · 2 评论 -
无监督术语解释
无监督术语解释原创 2022-09-05 22:27:21 · 308 阅读 · 0 评论