关键词unsupervised anomaly localization
搜索结果 - 4
- 无监督异常定位的子空间感知特征重构
我们提出了一种新颖的子空间感知特征重构框架,用于异常定位,通过学习低维子空间的自表达模型实现自适应特征逼近,从而减少内存需求并实现与最先进方法相媲美的异常定位性能。
- 多尺度特征模仿用于无监督异常定位
本文提出了一种基于教师 - 学生特征模仿网络的多尺度处理策略,采用了基于梯度下降优化的网络模块重要性搜索方法,可以有效地解决无监督异常定位任务的挑战,并在实际工业产品检测数据集上比同期的特征建模异常定位方法具有更好的性能。
- 无监督异常定位在工业图像中的应用:一个调研
本文对深度学习下工业图像无监督异常定位的近期研究成果进行了综述与分析,包括各种概念、挑战、分类、基准数据集及量化性能比较,并提供了未来研究方向的预测和分析。
- ICLR基于能量的迭代投影在正常数据流形上用于异常定位
本文提出了一种新的方法,通过使用梯度下降法来将异常数据映射到自编码器学习的正常数据流形上,以解决自编码器重建在本地缺陷存在时的分割问题,并通过正则化项在能量函数中引入先验知识来优化投影结果,该方法比传统重建方法在多个异常检测数据集上均取得了