深度学习深度学习（deep learning）通过其他较简单的表示来表达复杂表示。深度学习模型的典型例子是前馈深度网络或或多层感知机（multilayer perceptron，MLP）。多层感知机仅仅是一个将一组输入值映射到输出值的数学函数。该函数由许多较简单的函数复合而成。输入展示在可见层，从图像中提取越来越多抽象特征的隐藏层，隐藏层可以有几层。 两种度量模型深度的方式：1）基于评估架构所需执
转载
2024-06-17 11:22:59
61阅读
# 基于Python的深度学习缺陷识别
随着工业自动化的推进，缺陷识别的重要性愈发明显。深度学习技术在图像处理领域展现了强大的能力，可以应用于各种场景，如制造业的产品质量检测、医疗图像分析等。本文将介绍如何使用Python进行深度学习的缺陷识别，并提供一个简单的代码示例。
## 深度学习基础
深度学习是一种机器学习的分支，依赖于多层神经网络进行特征提取和模式识别。通过大量样本的训练，模型可以
原创
2024-09-04 05:55:20
313阅读
深度学习缺陷识别算法
近年来，深度学习技术在计算机视觉领域的应用取得了显著进展，尤其是在缺陷识别方面。随着工业自动化和智能制造的发展，如何高效、准确地识别产品缺陷成为亟待解决的重要问题。2019年，随着卷积神经网络（CNN）在图像处理中的成功应用，深度学习的缺陷识别算法开始逐渐成为研究的热点。
> *“在深度学习技术诞生之前，缺陷识别主要依赖传统机器学习方法和人工干预。如今，深度学习为这一领域
基于机器视觉的表面缺陷检测将是未来研究和发展的主要方向，目前，基于机器视觉的表面缺陷检测理论研究和实际应用等环节均有可喜的成果，但仍存在下面主要的问题和难点：表面缺陷检测 1，受环境、光照、生产工艺和噪声等多重因素影响，检测系统的信噪比一般较低，微弱信号难以检出或不能与噪声有效区分。如何构建稳定、可靠、鲁棒的检测系统，以适应光照变化、噪声以及其他外界不良环境的干扰，是要解决的问题之一。2，由于检测
转载
2023-11-13 19:05:07
204阅读
60年代迅速发展起来的一门学科。特别是随着近年来大量科研成果的出现，在很多领域得到了成功的应用。 为了有效的实现分类识别，就要对原始图像数据进行变换，得到最能反映分类本质的图像特征。 图像特征是指图像的原始特征或属性。每一幅图像都有其本身的特性，其中有些是视觉直接感受到的自然特征，如亮度、边缘、纹理或色
转载
2024-01-04 14:04:14
416阅读
# 基于深度学习的缺陷监测（PyTorch）入门指南
在现代工业领域中，缺陷监测是确保产品质量的重要环节。深度学习，尤其是计算机视觉，已经成为自动化缺陷检测的关键技术之一。本文将指导你如何使用 PyTorch 实现一个基于深度学习的缺陷监测系统。我们将分步骤介绍整个流程，并附上必要的代码示例及其解释。
## 流程概览
以下是实施深度学习缺陷监测的基本步骤：
| 步骤 | 描述
# 深度学习 PyTorch 卡号识别开发指南
在现代的金融科技应用中，自动识别银行卡号是一个非常重要的任务。基于深度学习的方法可以有效地解决这个问题。本文将指导你如何使用 PyTorch 实现银行卡号识别的过程。
## 流程概述
以下是实现银行卡号识别的基本流程：
| 步骤 | 描述 |
|-----------|--------
原创
2024-09-17 05:58:27
77阅读
# 深度学习中的人脸识别：基于PyTorch的实现
人脸识别技术近年来在计算机视觉领域得到了广泛的应用，它不仅在社交媒体、安防监控等领域中发挥着重要作用，还在电子商务、智能家居等多个新兴领域中展现出巨大潜力。深度学习，尤其是卷积神经网络（CNN），为人脸识别提供了强有力的技术支持。本文将简要介绍基于PyTorch的人脸识别模型，并为您提供相关的代码示例和状态图。
## 人脸识别的基本概念
缺陷检测相关论文阅读总结（记录自己读过的论文主要内容）Attention!!!点击论文题目即可访问原文or下载原文PDF文件；每篇文章的内容包含：内容总结、文章Ideas；更多关于缺陷检测以及图像融合/拼接等方向的相关文章学习请移步本人Gitee仓库每篇文章这里仅按照我本人的理解程度和知识程度进行理解和把握，有不对的地方请多担待；欢迎大家提出任何改进意见或建议文章评论区/Gitee提出issues
转载
2024-08-27 15:04:39
15阅读
重磅干货，第一时间送达前言缺陷检测是工业上非常重要的一个应用，由于缺陷多种多样，传统的机器视觉算法很难做到对缺陷特征完整的建模和迁移，复用性不大，要求区分工况，这会浪费大量的人力成本。深度学习在特征提取和定位上取得了非常好的效果，越来越多的学者和工程人员开始将深度学习算法引入到缺陷检测领域中，下面将会介绍几种深度学习算法在缺陷检测领域中的应用。1、A fast and robust convolu
转载
2023-10-19 11:08:44
262阅读
机器视觉沙龙原文 | CSDN Tom Hardy一、介绍缺陷检测被广泛使用于布匹瑕疵检测、工件表面质量检测、航空航天领域等。传统的算法对规则缺陷以及场景比较简单的场合，能够很好工作，但是对特征不明显的、形状多样、场景比较混乱的场合，则不再适用。近年来，基于深度学习的识别算法越来越成熟，许多公司开始尝试把深度学习算法应用到工业场合中。二、缺陷数据如下图所示，这里以布匹数据作为案例，常见的
转载
2022-10-18 09:59:43
360阅读
对上述案例来说，其实64x64大小的定位框不够准确，可以考虑训练一个32x32大小的模型，然后应用方式和64x64的模型相同，最后基于32x32的定位位置和64x64的定位位置进行投票，但是这会涉及到一个问题，就是时间上会增加很多，要慎用。
原创
2021-07-15 11:33:49
319阅读
缺陷检测被广泛使用于布匹瑕疵检测、工件表面质量检测、航空航天领域等。传统的算法对规则缺陷以及场景比较简单的场合，能够很好工作，但是对特征不明显的、形状多样、场景比较混乱的场合，则不再适用。近年来，基于深度学习的识别算法越来越成熟，许多公司开始尝试把深度学习算法应用到工业场合中。
转载
2021-07-15 11:34:56
376阅读
模型对不同尺度缺陷的适应性和识别精度。铝型材作为建筑和机械工业领域中重要的应用材料，其全行业的产量和消费量在世界范围内逐年递增。铝型材在生产过程中，由于...
转载
2023-07-02 00:08:31
572阅读
# 使用 PyTorch 实现印刷文本的识别
深度学习在图像识别的应用中非常广泛，其中印刷文本的识别（OCR）是一个具体且实用的任务。接下来，我将指导你如何使用 PyTorch 实现这一过程。以下是整个项目的一个流程概览：
| 步骤 | 描述 |
|------|------|
| 1 | 环境设置 |
| 2 | 数据集准备 |
| 3 | 模型构建 |
| 4 |
原创
2024-09-16 05:12:58
85阅读
对应示例程序： measure_metal_part_id.hdev目标：金属零件的内部圆孔 缺件、偏移检测思路为： 1.读取图像 2.阈值分割，计算金属块区域的方向 3.边缘检测，获
缺陷检测——测量拟合1. 简单聊一聊测量的那些事2. 做几个测量判断缺陷的项目案例1. 测量液体线高度案例2. 检测矩形通孔的缺陷下载地址： 1. 简单聊一聊测量的那些事测量为什么也能做缺陷检测的工作呢？仔细想一想，这不是废话吗？缺陷其中就包含了被测物的尺寸等问题，长短粗细、高矮胖瘦、间隙宽窄，包括我以前做过的平面度、平行度、轮廓度等测量项目，都可以归结为缺陷检测类项目。就拿测量平面度项目来说吧
转载
2024-01-08 16:13:49
51阅读
目录背景基本概念一般流程预处理常用方法声学模型（一）多样性问题（二）语音识别任务的指标语言模型解码器工作原理（一）分析声音（二）提取特征（三）识别音素和状态（声学模型）识别文字（语言模型+ 解码器）深度学习方法发展基于transfomer的语音识别模型语音数据集 背景语音识别 ( Automatic Speech Recognition, ASR ) 技术是语音交互领域中发展最快，同时是语音相关
转载
2024-01-15 13:42:44
341阅读
# Flask深度学习与PyTorch项目指南
随着深度学习的迅猛发展，越来越多的开发者希望将其应用于实际项目中，而Flask作为一个轻量级的Web框架，结合PyTorch，能够构建一个强大的深度学习应用。本文将指导你如何使用Flask和PyTorch创建一个简单的深度学习项目，包括代码示例和详细的步骤说明。
## 为什么选择Flask和PyTorch？
- **Flask**：
- 轻
原创
2024-09-19 04:20:04
109阅读
原标题：工业CT检测与计算机深度学习工业CT无损检测在孔隙率和裂纹检测方面有无可比拟的优势。由于工业生产条件的制约，工件缺陷难以避免。通常工件内部主要存在夹渣、气孔和裂纹等缺陷。这些缺陷在服役过程中不断演化，对工件的性能造成影响，最终使工件失效，缩短了工件的使用寿命，进而威胁机器的使用安全。通过工业CT无损检测技术，对工件内缺陷的形状、面积、位置了解的越清楚，对工件的可靠性评估就会越准确。目前的工
