zoukankan      html  css  js  c++  java
  • 缺陷检测~GAN网络

    采用GAN结构:

    1、<A Surface Defect Detection Method Based on Positive Samples>

    思路:

     训练目的:abnormal输入经过GAN结构恢复得到normal输出。

     测试阶段:abnormal输入和normal输出计算LBP值,比较得到瑕疵区域。

    训练和测试:

    训练:

    仅仅基于normal图像做训练。normal图像x经过瑕疵添加模块G(x~|x)得到有瑕疵的图像x~。x~参与实际的GAN网络训练得到修复好的y。

    训练过程模型学习两个能力:a、瑕疵位置的定位。b、瑕疵修复。

    测试阶段:

    任意输入一张测试图像x:

    如果没有瑕疵,网络作出反应:没有找到瑕疵、不进行修复。应该输出和x类似的normal图像。

    如果有瑕疵,网络做出反应:有瑕疵,定位瑕疵区域,对瑕疵做修复。应该输出对x进行修复后的normal图像。

     

     问题:

    1、 训练数据中的缺陷如何生成。即G(x~|x)构造问题。

           文中是用ps得到的,但是能否做到和实际的瑕疵十分接近有待考证。

    2、 瑕疵检测的有效性完全依赖于瑕疵区域的恢复效果。对于瑕疵区域恢复效果查的问题,此类方法,理论上效果不好。

     

  • 相关阅读:
    在图片上面添加字体
    wampserver php 识别不了>或者尖括号 php.ini中short_open_tag设置方法
    [P5162] WD与积木
    [P5170] 类欧几里得算法
    [P5172] Sum
    [HEOI2014] 大工程
    [P4721] 分治 FFT
    [BJOI2017] 树的难题
    [P4886] 快递员
    [CERC2014] Virus synthesis
  • 原文地址:https://www.cnblogs.com/wjjcjj/p/14416044.html
Copyright © 2011-2022 走看看