绑定手机号
确认绑定
-
工业缺陷检测中，无监督或者半监督的异常检测非常重要，目前异常检测算法往往基于VAE/GAN/teacher student等思路，但目前这些思路的论文效果一般，请老师提供一些其他工业异常检测算法的思路。或者提升现有算法模型效果的思路。2022-04-23 21:36:39理论上无监督的效果不是很好，仍需要大量的数据和时间进行沉淀，工业上对准确度、速度等各方面的要求比较高，甚至很多领域没有这么多数据，所以无监督不适合用在工业上。半监督有非常多的体现，像分类、检测、分割等...全部回答内容
登录之后查看登录回答
相关问答
-
能否介绍下深度学习针对超大尺寸图像的分析方法？
2022-04-23 21:36:39因为深度学习在分析图片时并不是一下把图片都分析好，它会把图片切分成一块去分析，然后把结果汇总起来，所以深度学习对超大图像的分析没有影响，只要做好预处理和图像的优化，就可以通过深度学习进一步处理。... 阅读全文 〉
-
损失函数处理分割中的不平衡可以有介绍吗？
2022-04-23 21:36:39损失函数求最优值，需要一个复杂的函数来处理，可能会涉及到求最有和最低值的算法，这些算法相对比较保密。... 阅读全文 〉
-
小样本学习的应用效果怎么样或者准确率怎么样呢？
2022-04-23 21:36:39小样本的效果还是不错的，可能训练只需要10多张图片，检测率率是很好的。还有提到的多晶硅光伏任务，它的样本量10多张是不够的，可能需要上百张，但也比其他任务少很多，像人脸识别，需要300多万张图片，现在... 阅读全文 〉
-
深度学习如何解决不平衡样本情况？
2022-04-23 21:36:39你的样本不平衡是指100张图片中，98张正样本，2张负样本。我们首先会看训练的难易度，我们训练的参数会有增加样本的功能，我们也会找一些居中的数据量，像1个缺陷有2张，1个缺陷有1000张，肯定是有差异... 阅读全文 〉
-
怎样克服环境光线变化对样本和学习效果的影响呢？
2022-04-23 21:36:39光线的变化我们认为有很多种方式，首先深度学习在泛化能力上表现比较好，也就是在一定的光线变化内可以准确检测，若变化特别大，也是不可实现；在样本训练时，可以通过增强样本丰富训练集，增强对光照变化的泛化能力... 阅读全文 〉
-
1个像素也能算检测出来缺陷吗？
2022-04-23 21:36:391个像素也能算检测出来，像是3C中比较精细的零部件，1个像素所占的尺寸如果是客户的要求也是可以实现的。比如一个烤漆面或阳极面有白点，或一些非常特殊的缺陷，也是可以检测出来的。但如果精度是圆形的或矩形的... 阅读全文 〉
-
如果使用3D相机，大概的相机精度能到什么级别？
2022-04-23 21:36:393D相机的精度主要看3D相机厂商本身提供的相机精度是多少，大多是厂商提供的是um级，但实际可能达不到这个要求。这更多取决于相机本身，如果相机本身的精度很差，算法可以弥补的空间很小。整体来看，通过算法的... 阅读全文 〉
-
你们硬件用的是GPU么？
2022-04-23 21:36:39现在的主流算力还是NVIDIA的GPU，也有用英特尔的VPU。目前测下来，NVIDIA的GPU的性价比和性能是最好的，对于其他的AI芯片也有测试，但能否替代GPU，要看具体的项目和需求。... 阅读全文 〉
-
请问怎么解决不同批次之间的差异？
2022-04-23 21:36:39首先看各自材质的差异是多少，如果差异比较大，只能泛化兼容一部分，如果没有差异，不同的批次之间是可以兼容的。... 阅读全文 〉
-
工业相机在进行颜色检测时除了，所选区域的颜色均值，还有其他的方法吗？
2022-04-23 21:36:39首先要明确是对颜色值的检测，还是色差的检测。因为深度学习本身会自动提取差异的特征，如果是人为指定的特征差异，就不用深度学习。由于图像在电脑中存储时是像素矩阵，所以在卷积的过程中除了颜色差异外还夹杂其他... 阅读全文 〉
-
无监督学习能做缺陷检测吗？精度有多少？
2022-04-23 21:36:39目前，无监督学习做缺陷检测，可以在一些简单的案例上可以达到客户的需求，像在白图上找黑点，或黑图上找白点，精度比较高，简单的场景准确度会非常高。但对于复杂的3C产品，精度都不是很理想，目前市面上所有的无... 阅读全文 〉
-
三维的缺陷检测，包括尺寸不符或部件缺失，是用什么相机来解决的？
2022-04-23 21:36:393D一般用3D相机来做，虽然可以用多个、多角度的2D相机能够解决问题，但为了提高效率和各个方面的精度，单个3D相机也能解决很多问题。目前市面上3D相机比较多，做尺寸、缺陷、平整度检测还是很容易的。... 阅读全文 〉
-
无故障样本时有什么好办法?
2022-04-23 21:36:39目前我们有单样本训练，但也有个弊端是正样本的数量是千变万化的，没法枚举出所有的OK样本。在正负样本交叉的部分，如果只训练正样本，很难达到很高的准确度。虽然无监督在做很多尝试，但我们认为还是要结合一些半... 阅读全文 〉
-
多维数据有哪些融合的方案？
2022-04-23 21:36:39无论是键盘检测还是剃须刀检测，既需要产品的表面检测，也需要3D信息，例如划痕的深度，还需要按压反馈的声音，看内部结构是否有问题，这种多维数据的融合，需求还是很多的。... 阅读全文 〉
-
理论上来说，缺陷种类不是绝对唯一确定的，新增类别，样本又不多，有何更好的办法解决？
2022-04-23 21:36:39首先工业领域时间比较久，大部分的缺陷都是已知的，比如10年都没有出现的缺陷，突然出现的概率也是很小的。其次在训练过程中也会有正样本，哪怕有新增的缺陷，只要与正样本不同，就可以训练，出现新的缺陷后，进行... 阅读全文 〉
-
工缺陷业检测，往往类别特多，有没有什么技巧可以让效果更好，或者方案上有什么好的建议？
2022-04-23 21:36:39我们提供了很多改善方式，包括缺陷的泛化，像A产品和B产品比较多，可能不需要训练B产品。我们也会用小样本学习适用于类别多的场景，如果某些缺陷实在没有数据，可以在检测时把它找出来，只是没法定义和分类，当数... 阅读全文 〉
-
现在工业缺陷检测中，方法上到底是目标检测用得多，还是图像分割用得多些！或者说，哪些场景用目标检测合适，哪些用分割合适？
2022-04-23 21:36:39目标检测和分割都有应用，但分割用的更多，如果不需要定量，只需在复杂的环境中把缺陷分类找出来，可以用分类、目标检测。但整体来看，在我们做的项目目中，更多的是分割算法。... 阅读全文 〉
-
缺陷样本比较少怎么解决？是用小样本学习吗？可以介绍一些小样本学习方法吗？使用小样本学习检测缺陷的话精度会不会比较差？
2022-04-23 21:36:39可以通过算法和预处理来扩充样本，或对某些领域的基本库的做一些沉淀，都会中增加小样本的学习能力。... 阅读全文 〉