Jul, 2023

EasyNet: 一个用于 3D 工业异常检测的简易网络

PDF
TL;DR3D 异常检测是工业制造中的一项新兴和重要的计算机视觉任务。本文提出了一种易于部署的网络（称为 EasyNet），可以在不使用预训练模型和存储器过多的情况下实现准确的异常检测，同时具有高效的推理速度。实验结果表明，EasyNet 在不使用预训练模型和存储器的情况下，实现了 92.6% 的异常检测 AUROC，并且比现有方法更快，Tesla V100 GPU 上的帧率达到了 94.55 FPS。
3d anomaly detectioncomputer visionindustrial manufacturingeasynetpre-trained models
发现论文，激发创造
  • SimpleNet：图像异常检测与定位的简单网络

    本文提出一种简单且应用友好的神经网络（简称 SimpleNet），用于检测和定位异常。SimpleNet 由四个组件组成：预训练特征提取器、浅层特征适配器、简单异常特征生成器和二进制异常鉴别器，并在 MVTec AD 基准测试上实现了 99.6％的异常检测 AUROC。

    Mar, 2023

  • ENet：用于实时语义分割的深度神经网络架构

    本篇论文提出一种名为 ENet 的新型深度神经网络架构，其最大特点是快速、参数少，适用于对实时性要求较高的像素级语义分割任务，且在 CamVid、Cityscapes 和 SUN 等数据集上测试表明效果相对优于同类型已有网络。

    Jun, 2016

  • 光网络实时异常检测的机器学习

    本研究提出使用编码器 - 解码器深度学习模型，结合实时质量传输观测信息进行软故障演化模拟，用于网络攻击等异常检测。该模型在无需标记异常情况和分析整个数据集缺陷的前提下，实时有效地检测网络异常波动。

    Jun, 2023

  • 基于 RGB-D 数据的工业异常检测双支路重构网络

    基于 RGB-D 输入，我们提出了一种轻量级的双分支重建网络 (DBRN)，通过学习正常和异常样本之间的决策边界，使用深度图而不是点云输入来消除两种模态之间的对齐要求，并引入了一个重要性评分模块来辅助融合这两种模态的特征，从而在 MVTec 3D-AD 数据集上实现了 92.8% 的 AUROC，并具有很高的推理效率，无需使用大型预训练模型和记忆库。

    Nov, 2023

  • E2ENet：3D 医学图像精准高效分割的动态稀疏特征融合

    通过将动态稀疏特征融合机制与三维卷积中的限制深度移位相结合，提出了一种 3D 医学图像分割模型，名为 E2ENet。在多种资源限制条件下，E2ENet 相比之前的方法在精度和效率之间实现了较优的平衡，并在大规模挑战 AMOS-CT 上实现了与之前最佳方法相当的准确性，同时在推断阶段节省了 68％的参数计数和 29％的 FLOPs。

    Dec, 2023

  • 基于多尺度时域特征的动态擦除网络用于弱监督视频异常检测

    弱监督视频异常检测中，提出了一种动态擦除网络（DE-Net），能够学习多尺度时空特征，处理异常事件时长变化并评估异常检测的完整性。该方法在 XD-Violence、TAD 和 UCF-Crime 三个数据集上表现良好。

    Dec, 2023

  • 混合深度网络用于异常检测

    本文提出一种深度卷积神经网络 (CNN)，用于监控视频中的异常检测，该网络能够对每帧视频提供异常评估分数，实验结果与现有研究相竞争。

    Aug, 2019

  • DENet: 一种适用于不同密度和尺度人群计数的通用网络

    本文提出一种名为 DENet 的网络，包含一个检测网络和一个编码 - 解码估算网络，用于对密度变化较大的对象进行计数，MAE 表现优于其他先进方法。

    Apr, 2019

  • ATAC-Net: 缩放视图在异常检测中效果更好

    ATAC-Net 框架利用深度学习在视觉异常检测中应用，从一小部分已知先验异常样本中进行训练，使用注意力引导裁剪提供对疑似区域的更近距离视图，并在可比较的情况下证实其优越性。

    Jun, 2024

  • 面向可扩展的三维异常检测和定位：通过三维异常合成和自我监督学习网络的基准测试

    为了解决现有模型的可扩展性问题，本文提出了一种基于现有大规模 3D 模型的 3D 异常合成流程，以适应 3D 异常检测。同时，为了实现可扩展的 3D 异常定位表示学习，本文提出了一种自我监督方法 —— 迭代掩蔽重建网络（IMRNet），并在 Anomaly-ShapeNet 数据集和 Real3D-AD 数据集上取得了显著优于先前方法的成果。

    Nov, 2023