摘要: Abstract The dominant sequence transduction models are based on complex recurrent or convolutional neural networks that include an encoder and a decod 阅读全文
posted @ 2021-10-09 15:21 python我的最爱 阅读(53) 评论(0) 推荐(0) 编辑
摘要: ABSTRACT As a data-driven method, the performance of deep convolutional neural networks (CNN) relies heavily on training data. The prediction results 阅读全文
posted @ 2021-09-25 08:42 python我的最爱 阅读(59) 评论(0) 推荐(0) 编辑
摘要: ESRGAN是在SRGAN基础上进行增强的网络, 在2018年的比赛中获得了冠军 Introduction 介绍了基于PSNR指标获得的超分辨图像其结果会较为平滑,且与人们的主观有较大的差别 作者针对SRGAN提出了3个改进的点 第一点: 使用了RDDB网络结构, 这种层叠式的网络结构更容易表达效果 阅读全文
posted @ 2021-09-24 17:28 python我的最爱 阅读(168) 评论(0) 推荐(0) 编辑
摘要: Abstract In this paper, we introduce the problem of simultaneously detecting multiple photographic defects. We aim at detecting the existence, severit 阅读全文
posted @ 2021-09-24 17:06 python我的最爱 阅读(44) 评论(0) 推荐(0) 编辑
摘要: Abstract Anomaly detection refers to the task of finding unusual instances that stand out from the normal data. In several applications, these outlier 阅读全文
posted @ 2021-09-23 18:30 python我的最爱 阅读(92) 评论(1) 推荐(0) 编辑
摘要: Abstract We aim at constructing a high performance model for defect detection that detects unknown anomalous patterns of an image without anomalous da 阅读全文
posted @ 2021-09-14 18:17 python我的最爱 阅读(167) 评论(5) 推荐(0) 编辑
摘要: 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,损失函数只是用分类损失函数 阅读全文
posted @ 2021-09-11 00:17 python我的最爱 阅读(122) 评论(0) 推荐(0) 编辑
摘要: 这篇文章相比于Segmentation-based deep- ˇ 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-pool2x2,而不是使用 阅读全文
posted @ 2021-09-05 18:02 python我的最爱 阅读(150) 评论(0) 推荐(0) 编辑
摘要: Abstract Detection identififies objects as axis-aligned boxes in an image. Most successful object detectors enumerate a nearly exhaustive list of pote 阅读全文
posted @ 2021-08-30 22:59 python我的最爱 阅读(92) 评论(0) 推荐(0) 编辑
摘要: ░ YOLOX: Exceeding YOLO Series in 2021 1. Inclusion 介于yoloV4和yoloV5在基于anchor的pipeline上的过度优化,因此使用Yolov3作为我们的基础网络 Considering YOLOv4 and YOLOv5 may be a 阅读全文
posted @ 2021-08-22 18:07 python我的最爱 阅读(602) 评论(0) 推荐(0) 编辑