基于深度学习(CAE)的异常检测与定位

您可以学习如何使用卷积自动编码器检测和定位图像上的异常。

859下载

更新12月25日

从GitHub

在GitHub上查看许可证

在化工材料、服装和食品材料等的装运检验中,必须检测正常产品中的缺陷和杂质。下载188bet金宝搏然而,很难收集足够的胎儿图像用于深度学习。
这个演示演示了如何使用CAE检测和定位异常。
这种方法只使用正常图像进行训练,可以让你发现以前从未见过的异常。通过自定义SegNet模型,您可以很容易地获得此任务的网络结构。

(日本)
このデモでは正常な画像に紛れる異常をディ,プラ,ニングを用いて検出ならびに位置の特定を行えます。
正常な画像のみ使ってモデルを学習させるこの方法では,これまで見たことがない異常に対しても検出できる可能性があります。簡単にモデル構造を得るためにSegNetモデルをカスタムして利用しています。

[关键字]画像処理·画像分類·ディ,プラ,ニング·DeepLearning·IPCVデモ
・SegNet・異常検出・外観検査・セマンティックセグメンテーション・オートエンコーダー・畳み込み

引用作为

福本拓治(2023年)。基于深度学习(CAE)的异常检测与定位GitHub (https://github.com/mathworks/Anomaly-detection-and-localization-using-CAE/releases/tag/1.0.1)。检索

MATLAB版本兼容性
使用R2019a创建
兼容R2019a及后续版本
平台的兼容性
窗户 macOS Linux

社区寻宝

在MATLAB Central中找到宝藏,并发现社区如何帮助您!

开始狩猎!
版本 发表 发布说明
1.0.1

参见GitHub上此版本的发布说明:https://github.com/mathworks/Anomaly-detection-and-localization-using-CAE/releases/tag/1.0.1

1.0.0

要查看或报告此GitHub插件中的问题,请访问GitHub库
要查看或报告此GitHub插件中的问题,请访问GitHub库