今天来讲下之前发一篇极其简单搭建网络博客里一些细节(前文传送门)之前那个文章中,用Pytorch搭建优化器代码如下:# 设置优化器 optimzer = torch.optim.SGD(myNet.parameters(), lr=0.05) loss_func = nn.MSELoss()一、SGD方法  我们要想训练我们神经网络,就必须要有一种训练方法。就像你要训练你肌肉,你
转载 2023-06-30 18:34:36
86阅读
代码看起来可以工作,但不是以你“想当然“”方式。如果一段代码直接出错,抛出了异常,我不认为这是陷阱。比如,Python程序员应该都遇到过“UnboundLocalError", 示例: >>> a=1   >>> def func():   ... a+=1   ... print a   ...   >>> fu
转载 2024-06-15 09:18:43
82阅读
在机器学习领域中,尤其是在图像处理和计算机视觉方面,利用 PyTorch 进行缺陷检测显得越来越重要。通过构建深度学习模型,以发现和定位图像中缺陷,能够在质量控制和产品检查中发挥不可或缺作用。本文将详细介绍如何在 PyTorch 环境中解决缺陷检测问题,涵盖环境准备、集成步骤、配置详解、实战应用、排错指南和性能优化,带你一步步实现这一目标。 ## 环境准备 为确保你开发环境能够顺利运行
原创 5月前
57阅读
近年来,受全球经济增速放缓影响,制造业面临着从开拓增量市场到升级存量市场加速转变,而利用智能化、数字化技术进行改造正是目前众多企业转型方向。质检一直是制造生产流程中举足轻重一个环节,产品上一处微小缺陷有可能影响制造商整体生产良率,若不小心流入市场,更有可能产生无法想象安全风险。“二八法则”,解决最难问题目前现有工业视觉检测技术只能解决80%问题,剩下20%难题,还亟待攻克。为应对挑战,
原标题:当机器视觉走进轮胎缺陷检测,人工与AI,谁才是主流如今,车辆已经不是什么稀有品,几乎人手一辆,然而,随着车辆增加,事故发生率也不断上升,除却驾驶员疲劳驾驶、酒驾等人为因素,由于轮胎质量问题而引发事故也不在少数。汽车轴承中轴套有5个面,每个面在生产过程当中都有可能会产生一些裂口;轮胎背面还会有一些凹坑,或者是在加工过程当中有烧伤,严重时候5个面可能会有20几种缺陷。如果是人工来检测
 利用openCV或其他工具编写程序实现对多个产品图片进行缺陷检测并判断产品是否合格。实现过程1、编写程序       目标图片如下                &nb
转载 2023-09-08 19:13:58
205阅读
目标检测(object detection)一、 介绍在图像分类任务中,我们假设图像中只有一个主要物体对象,我们只关注如何识别其类别。 然而,很多时候图像里有多个我们感兴趣目标,我们不仅想知道它们类别,还想得到它们在图像中具体位置。 在计算机视觉里,我们将这类任务称为目标检测(object detection)或目标识别(object recognition)。 目标检测所关注问题:分类:
前言最近一直在研究深度学习去实现缺陷检测,在中看到了大神博客《tiny YOLO v3做缺陷检测实战》,他用是TensorFlow+Keras框架。当我照着做时候,TensorFlow死活报各种Error。经历了各种升级降级包库,删了又装,装了又删折磨后,决定转战pytorch。因为大神说YOLO v3做DAGM数据集效果很好,所以我还是想用YOLO v3模型。搜了一下与该模型相关
时隔一年半,现在遇到不能解决BUG基本少之又少,似乎没有什么要补充了。大多数人会遇到BUG主要在安装包、显存爆、维度不匹配、forward不规范、调用函数不规范、cuda驱动没有正确安装。深入一点的话,会遇到梯度计算问题、多线程问题、fp16/32不匹配问题等等,在此做个留言贴,欢迎大家互助填坑。---------------------------------------分割线-----
引言机器视觉中缺陷检测分为一下几种:blob分析+特征模板匹配(定位)+差分:halcon——缺陷检测常用方法总结(模板匹配(定位)+差分) - 唯有自己强大 光度立体:halcon——缺陷检测常用方法总结(光度立体) - 唯有自己强大 特征训练测量拟合频域+空间域结合:halcon——缺陷检测常用方法总结(频域空间域结合) - 唯有自己强大 深度学习本篇主要总结一下缺陷检测中测量拟合方法
转载 2024-08-20 18:37:22
122阅读
在计算机视觉领域,目标检测发展迅速,出现了基于机器视觉技术表面缺陷检测技术。这种技术出现,越来越多制造企业正在尝试将机器视觉检测技术引入产品缺陷检测。目前基于机器视觉缺陷检测技术已经大量应用于纺织品、汽车零部件、半导体、光伏组件等产品缺陷检测中,大大提升了制造业质检效率。机器视觉在工业缺陷检测中前景毋庸置疑,而工业制造领域多样性、生产环境复杂性、产品缺陷非标性等因素,都给机器视
目录前言课题背景和意义实现技术思路一、机器视觉缺陷检测方法二、YOLO-q-v3 算法实现效果图样例最后前言    ?大四是整个大学期间最忙碌时光,一边要忙着备考或实习为毕业后面临就业升学做准备,一边要为毕业设计耗费大量精力。近几年各个学校要求毕设项目越来越难,有不少课题是研究生级别难度,对本科同学来说是充满挑战。为帮助大家顺利通过和节省时间与精力投入到更重要就业和考
# 基于深度学习缺陷监测(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缺陷监测系统。我们将分步骤介绍整个流程,并附上必要代码示例及其解释。 ## 流程概览 以下是实施深度学习缺陷监测基本步骤: | 步骤 | 描述
原创 8月前
237阅读
通过图像分割,边界检测,图像特征提取与分类基础理论。 机器视觉钢材表面缺陷检测基本框架结构中成像单元和缺陷分析单元都属于图像处理算法领域:1. 成像单元能够实现对图像数据压缩及图像清晰表达;2. 缺陷分析单元需要实现对缺陷类型正确理解,并对缺陷进行统计,获得工艺中需要数据,从而指导生产。 1994年,Piironen提出一套比较完整钢材表面缺陷检测与分类方法:预处
# 使用PyTorch进行PCB缺陷检测流程 在本教程中,我们将使用PyTorch实现PCB缺陷检测卷积神经网络(CNN)。PCB(Printed Circuit Board)是电子产品中常见元件,其缺陷检测至关重要。下面我们将分步骤介绍如何实现这个任务。 ## 实施流程 | 步骤 | 描述
原创 10月前
383阅读
# 缺陷生成GAN 2023 ## 引言 缺陷生成是在工业生产中非常重要一个任务。通过生成缺陷图像,我们可以训练机器学习模型来检测和识别这些缺陷,从而提高生产线效率和质量。近年来,生成对抗网络(GAN)在生成高质量图像方面取得了巨大成功,因此使用GAN来生成缺陷图像是一个有潜力方法。 在本文中,我们将介绍如何使用PyTorch实现缺陷生成GAN模型。我们将首先介绍GAN基本原理,然
原创 2023-09-19 04:35:12
137阅读
Python对象比较、拷贝'==' VS 'is' '=='操作符比较对象之间值是否相等'is'操作符比较是对象身份标识是否相等,即它们是否是同一个对象,是否指向同一个内存地址每个对象身份标识,都能通过函数 id(object) 获得。因此,'is'操作符,相当于比较对象之间 ID 是否相等a = 10 b = 10 a == b True id(a) 4427562448 id(b
深度学习深度学习(deep learning)通过其他较简单表示来表达复杂表示。深度学习模型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数学函数。该函数由许多较简单函数复合而成。输入展示在可见层,从图像中提取越来越多抽象特征隐藏层,隐藏层可以有几层。 两种度量模型深度方式:1)基于评估架构所需执
Segmentation-Based Deep-Learning Approach for Surface-Defect Detection介绍和实现本文介绍论文解析1. INTRODUCTION2. Related Work3. Segmentation network3.1 决策网络3.2 Learning3.3 Inference4. Segmentation and decision
PCB板缺陷检测识别系统通过YOLOv7网络深度学习技术,对现场PCB是否存在缺陷部分进行实时分析检测,当检测到PCB本身存在缺陷时候,立即抓拍存档告警方便后期针对性进行调整改。YOLO系列算法是一类典型one-stage目标检测算法,其利用anchor box将分类与目标定位回归问题结合起来,从而做到了高效、灵活和泛化性能好,所以在工业界也十分受欢迎,接下来我们介绍YOLO 系列算法。Y
  • 1
  • 2
  • 3
  • 4
  • 5