Halcon深度学习——奇异值检测
该方法属于无监督式的深度学习方法，优点： 1 无需标注 2 只训练正样本 3 可以在CPU下进行训练 4 具有较快的推断速度 适用场景：适合缺陷较为明显的项目 注意：设置的 ...
原文：Halcon总结——奇异值检测（Novelty Detection）
Anomaly Detection 异常检测 包括Novelty Detection 奇异值检测 和Outlier Detection 异常值检测 。 奇异值检测：训练数据不包含异常值，只含有positive 正常 的数据，通过算法学习其pattern。之后用于检测未曾看到过新数据是否属于这个pattern，如果属于，该新数据是positive，否则negative，即奇异值。 异常值检测：训练数 ...
2020-12-07 16:27 0 919 推荐指数：
相关推荐
离群点检测(Novelty Detection, Outlier Detenction)
适合问题： 对于无标签的数据， 又想找出坏用户，完成业务目标。 参考： https://scikit-learn.org/stable/modules/outlier_detection.html 算法： one class SVM, 原理： 特征空间中， 分割平面离原点 ...
深度学习论文翻译解析（七）：Support Vector Method for Novelty Detection
论文标题：Support Vector Method for Novelty Detection 论文作者：Bernhard Scholkopf, Robert Williamson, Alex Smola ..... 论文地址：http://papers.nips.cc/paper ...
Scene Text Detection(场景文本检测)论文思路总结
任意角度的场景文本检测论文思路总结共同点：重新添加分支的创新更突出场景文本检测基于分割的检测方法 spcnet(mask_rcnn+tcm+rescore) psenet(渐进扩展) mask text spottor(新加分割分支) craft incepText 基于回归的检测方法 ...
halcon——缺陷检测常用方法总结（频域空间域结合）
摘要 缺陷检测是视觉需求中难度最大一类需求，主要是其稳定性和精度的保证。首先常见缺陷：凹凸、污点瑕疵、划痕、裂缝、探伤等。 缺陷检测算法不同于尺寸、二维码、OCR等算法。后者应用场景比较单一，基本都是套用一些成熟的算子，所以门槛较低，比较容易做成标准化的工具。而缺陷检测极具行业特点，不同行业 ...
halcon——缺陷检测常用方法总结(特征训练）
引言 机器视觉中缺陷检测分为一下几种： blob分析+特征 模板匹配（定位）+差分：halcon——缺陷检测常用方法总结（模板匹配（定位）+差分） - 唯有自己强大 - 博客园 (cnblogs.com) 光度立体：halcon——缺陷检测常用方法总结（光度立体） - 唯有 ...
halcon——缺陷检测常用方法总结（测量拟合）
引言 机器视觉中缺陷检测分为一下几种： blob分析+特征 模板匹配（定位）+差分：halcon——缺陷检测常用方法总结（模板匹配（定位）+差分） - 唯有自己强大 - 博客园 (cnblogs.com) 光度立体：halcon——缺陷检测常用方法总结（光度立体） - 唯有 ...
奇异值分解
奇异值分解(singular value decomposition, SVD)是一种矩阵因子分解方法，是线性代数的概念，但在统计学习中被广泛使用，成为其重要工具。 定义 (奇异值分解)矩阵的奇异值分解是指， 将一个非零的mxn实矩阵A, A∈Rmxn,表示为以下三个实矩阵乘积形式的运算，即进行 ...