TXY的案例列表

TXY

工业质检

无监督表征学习已被证明是图像异常检测/定位的关键组成部分。学习这种表达方式的挑战有两个方面。首先，样本量通常不太大，使用常规技术，不足以学习到足够的通用特征。其次，虽然在训练时只有正常样本可用，但学习的特征应该能够区分正常样本和异常样本。在这里，使用在ImageNet上预先训练的专家网络在不同层上的特征“蒸馏”到一个更简单的克隆网络来解决这两个问题。在给定输入数据的情况下，我们利用专家网络和克隆网络的中间激活值之间的差异来检测和定位异常。值得注意的是，以前的方法要么无法精确定位异常，要么需要大数据量的基于区域的训练。...

摩尔纹消除与图像增强

人工智能-其他 TXY

摩尔纹是在摄像设备中常见的一种图像失真现象，通常表现为重复的条纹或斑点。这种现象由于光源频率和相机采集频率之间的不匹配引起，特别是在使用电子设备（如手机摄像头或摄像机）录制视频或拍摄照片时容易出现。为了解决这一问题，本项目致力于研究和开发摩尔纹消除技术。本项目旨在设计和实现一种有效的算法或技术，以减轻或消除图像中的摩尔纹。这通常涉及到频率分析、滤波技术、图像处理算法等领域的知识。项目的目标是提高图像质量，使得在各种场景下拍摄的图像更为清晰和真实。在项目的实施过程中，采用数学模型、信号处理方法或深度学习等技术手段，以自动检测和消除摩尔纹。同时，项目还可能需要考虑实时性、计算效率以...

图像降噪

人工智能-其他 TXY

近年来，由于神经网络的快速发展，图像降噪也从中获得了巨大的好处。然而，由于需要大量的噪声-干净的图像对来进行模型的监督训练，限制了这些模型的推广。虽然已经有一些尝试训练一个只有单个噪声图像的图像去噪模型，但现有的自监督去噪方法存在网络训练效率低、有用信息丢失或依赖于噪声建模等问题。在本项目中，提出了一种非常简单但有效的方法，可以训练仅含噪声图像的图像去噪模型。首先，提出一种随机邻域子采样器来生成训练图像对。具体的说，用于训练的输入和输出是从同一噪声图像中的子采样图像，满足了成对图像的对应像素是相邻的，同时彼此是相似的。其次，在第一阶段生成的子图片对去训练网络，并使用正则化器作为额外的损失以获...

------ 加载完毕 ------