这篇文章相比于Segmentation based deep learning approach for surface defect detection.这篇文章，首先他们都是一个作者写的，其次网络的架构也是非常接近的 为了保证小细节被保留下来，这里使用的是max pool x ，而不是使用stride 的卷积，这里使用了 次的max pool x ， 用来构成分割的主体网络，从图中可以看出，S ...
2021-09-05 18:02 0 172 推荐指数：
文章下载地址：A Surface Defect Detection Method Based on Positive Samples 第一部分 论文中文翻译 摘要：基于机器视觉的表面缺陷检测和分类可以大大提高工业生产的效率。利用足够的已标记图像，基于卷积神经网络的缺陷检测方法已经实现了现有 ...
目前主流的目标检测算法主要是基于深度学习模型，其可以分成两大类：two-stage检测算法；one-stage检测算法。本文主要介绍第一类检测算法，第二类在下一篇博文中介绍。 目标检测模型的主要性能指标是检测准确度和速度，对于准确度，目标检测要考虑物体的定位准确性，而不单单是分类准确度 ...
转自：https://blog.csdn.net/program_developer/article/details/77887478 学习神经网络的时候，常常看到论文里说，这个网络模型是end-to-end trainable，end-to-end trainable是指什么样子的网络 ...
Defect-GAN: High-Fidelity Defect Synthesis for Automated Defect Inspection~WACV2021 单位： 一、下载 paper: https://openaccess.thecvf.com/content ...
这篇文章不管是网络结构还是文章中提到的亮点基本都是复用了<End-to-end training of a two-stage neural network for defect detection> 唯一的不同点就是针对混合监督，针对其中只有正负标签，没有分割标签的数据，损失函数 ...
原文地址：https://arxiv.org/abs/1503.02531v1 Abstract: 在机器学习领域，ensemble learning是一种普遍适用的用来提升模型表现的方 ...
1 引言 机器学习(Machine Learning)有很多经典的算法，其中基于深度神经网络的深度学习算法目前最受追捧，主要是因为其因为击败李世石的阿尔法狗所用到的算法实际上就是基于神经网络的深度学习算法。本文先介绍基本的神经元，然后简单的感知机，扩展到多层神经网络，多层前馈 ...
一、激活函数 激活函数也称为响应函数，用于处理神经元的输出，理想的激活函数如阶跃函数，Sigmoid函数也常常作为激活函数使用。 在阶跃函数中，1表示神经元处于兴奋状态，0表示神经元处于抑制状态。 二、感知机 感知机是两层神经元组成的神经网络，感知机的权重调整方式如下所示 ...
