文件名称：triplet-loss-anomaly-detection
文件大小：634.6MB
文件格式：ZIP
更新时间：2024-04-05 21:15:11
deep-learning images detection pytorch autoencoder
基于三重态损耗的异常检测架构 介绍 该项目旨在为目标图像开发基于深度学习的异常检测系统。 该系统可以集成到工厂装配线中，作为制造产品的检查工具。 我们的方法结合使用了AutoEncoder和三重态损失来检测有缺陷的（异常）图像。 数据加载和预处理 我们管道中的第一步是数据加载和预处理。 图像分别标记为OK和NG，其中“ NG”代表异常（变形）图像。 图像信息（即图像路径和图像标签）存储在“ image_path.csv”中。 此CSV文件中的图像代表原始图像。 存储图像信息后，下一部分是在圆形横截面（关注区域）周围提取一个矩形。 以下是相同的示例。 绘制的矩形框将从图像中提取出来，然后在训练过程中使用。 裁剪图像示例 为了在圆形横截面周围绘制矩形框，我们使用了霍夫圆算法我们将裁剪后的图像的图像路径存储在“ crop_image_paths.csv”中。 最重要的是，每个裁剪后的图像都