文章目录
1、GANomaly: Semi-Supervised Anomaly Detection via Adversarial Training
模型
网络分成三个子网络:
第一个子网络: 自动编码器网络,充当模型的生成器。用来重建图像。
第二个子网络: 一个编码器网络,与第一个编码器网络的架构相同。
第三个子网络: 是鉴别器网络。用来分类为真还是假。
主要创新
2、Skip-GANomaly: Skip Connected and AdversariallyTrained Encoder-Decoder Anomaly Detection
模型
网络分成两个子网络:
第一个子网络: 编码器和解码器构成的自动编码器,并引入跳连。获得多尺度特征,保留全局和局部特征。
第二个子网络: 是一个鉴别器网络。
主要创新点
3、Industrial surface defect detection and localization using multi–scale information focusing and enhancement GANomaly
模型
网络分成两个子网络:
第一个子网络: 编码器和解码器构成的自动编码器,并引入跳连和自注意力机制。获得更丰富的上下文信息。
第二个子网络: 是一个鉴别器网络。
消融实验
引入的跳连、自注意力机制以及结构相似性损失均可以提升性能。
主要创新点
4、想法
原文地址:https://blog.csdn.net/pengmingjv/article/details/134649521
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。
如若转载,请注明出处:http://www.7code.cn/show_16915.html
如若内容造成侵权/违法违规/事实不符,请联系代码007邮箱:suwngjj01@126.com进行投诉反馈,一经查实,立即删除!
声明:本站所有文章,如无特殊说明或标注,均为本站原创发布。任何个人或组织,在未征得本站同意时,禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益,可联系我们进行处理。