异常检测
重糖爱好者
斯坦福大学计算机视觉博士
展开
-
patchcore 官方源码复现
https://github.com/amazon-research/patchcore-inspectionAttributeError: module ‘faiss’ has no attribute ‘GpuIndexFlatL2’你好! 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章,了解一下Markdown的基本语法知识。我们对Markdown编辑器进行了一些功能拓展与语法支持,除了标准的Markdown编辑器原创 2022-06-30 16:53:30 · 2750 阅读 · 11 评论 -
异常检测(五):DRAEM--A discriminatively trained reconstruction embedding for surface anomaly detection
哎,这篇文章和我们现在做的工作很像原创 2021-10-26 23:33:09 · 2044 阅读 · 0 评论 -
异常检测(四): Towards Total Recall in Industrial Anomaly Detection
这是在MVTec AD数据集上排名第一的论文,其检测准确率和分割准确率分别达到了99.1%和98.1%【摘要】在大规模的工业制造中,检测出有缺陷的部分是至关重要的环节,基于正常的无缺陷图像来拟合模型。尽管为每个类别手动设置解决方案是可能的,但目标是构建一个系统能同时自动在许多不同类别任务上效果良好。最好的方法是将ImageNet模型的嵌入向量和异常检测模型相结合。本文中,我们扩展这一工作,提出了PathCore, 其使用正常的块特征的最具代表性的记忆存储库。PatchCore提供了有竞争力的推理时间,.原创 2021-09-22 20:42:35 · 4449 阅读 · 5 评论 -
解决训练过程中前一次迭代的loss正常后一次迭代却出现NAN
该怎么办?原创 2021-09-16 21:05:39 · 1142 阅读 · 0 评论 -
异常检测(三):PaDiM: a Patch Distribution Modeling Framework for Anomaly Detection and Localization
PaDiM: a Patch Distribution Modeling Framework for Anomaly Detection and Localization摘要我们提出了一个新的Patch分布建模框架,PaDiM,在单类学习中同时检测和定位图像中的异常,PaDiM利用一个预先训练好的卷积神经网络(CNN)进行patch嵌入,利用多元高斯分布得到正态类的概率表示。它还利用了CNN的不同语义级别之间的相关性来更好地定位异常。PaDiM在MVTec AD和STC数据集上的异常检测和定位方面优于当原创 2021-04-12 22:15:38 · 2348 阅读 · 0 评论 -
异常检测(二)——MVTec AD -A Comprehensive Real-World Dataset for Unsupervised Anomaly Detection
MVTec AD :一个针对无监督异常检测的全面的真实世界的数据集摘要:在计算机视觉领域,自然图像的异常结构检测是十分重要的任务。无监督异常检测方法的发展需要数据来训练和评估新的方法和想法。我们介绍了包含5354张不同对象和纹理类别的高分辨率彩色图像的MVTec异常检测(MVTec AD)数据集。它包含用于训练的图像的正常的,即无缺陷的图像,和用于测试的异常图像。异常表现在超过70种不同类型的缺陷,如划痕,凹痕,污染,和各种结构变化。此外,我们为所有异常提供像素级精确的真值区域(ground-truth原创 2021-04-11 22:44:34 · 3108 阅读 · 3 评论 -
异常检测(一):Multiresolution Knowledge Distillation for Anomaly Detection
Multiresolution Knowledge Distillation for Anomaly Detection(用于异常检测的多分辨率知识蒸馏)原创 2021-04-11 12:15:47 · 1556 阅读 · 0 评论