1. Trang chủ
  2. » Luận Văn - Báo Cáo

Phân lớp dữ liệu hình ảnh một lớp ứng dụng trong các hệ thống giám sát lỗi

48 24 0

Đang tải... (xem toàn văn)

Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống

THÔNG TIN TÀI LIỆU

Thông tin cơ bản

Định dạng
Số trang 48
Dung lượng 4,05 MB

Nội dung

Ngày đăng: 12/05/2022, 11:16

HÌNH ẢNH LIÊN QUAN

PHÂN LỚP DỮ LIỆU HÌNH ẢNH MỘT LỚP ỨNG DỤNG TRONG CÁC HỆ THỐNG GIÁM SÁT LỖI - Phân lớp dữ liệu hình ảnh một lớp ứng dụng trong các hệ thống giám sát lỗi
PHÂN LỚP DỮ LIỆU HÌNH ẢNH MỘT LỚP ỨNG DỤNG TRONG CÁC HỆ THỐNG GIÁM SÁT LỖI (Trang 1)
Hình 1.1: Một số các phương pháp và hướng tiếp cận sử dụng - Phân lớp dữ liệu hình ảnh một lớp ứng dụng trong các hệ thống giám sát lỗi
Hình 1.1 Một số các phương pháp và hướng tiếp cận sử dụng (Trang 17)
• Mô hình sinh (Generative model) Đây là phương pháp phổ biến nhất để giải bài toàn phân lớp một lớp - Phân lớp dữ liệu hình ảnh một lớp ứng dụng trong các hệ thống giám sát lỗi
h ình sinh (Generative model) Đây là phương pháp phổ biến nhất để giải bài toàn phân lớp một lớp (Trang 17)
Hình 2.2: Cấu trúc mạng nơ-ron nhân tạo cơ bản - Phân lớp dữ liệu hình ảnh một lớp ứng dụng trong các hệ thống giám sát lỗi
Hình 2.2 Cấu trúc mạng nơ-ron nhân tạo cơ bản (Trang 20)
Hình 2.1: Cấu trúc sinh học của một nơ-ron - Phân lớp dữ liệu hình ảnh một lớp ứng dụng trong các hệ thống giám sát lỗi
Hình 2.1 Cấu trúc sinh học của một nơ-ron (Trang 20)
Hình 2.3: Bộ lọc cạnh - Phân lớp dữ liệu hình ảnh một lớp ứng dụng trong các hệ thống giám sát lỗi
Hình 2.3 Bộ lọc cạnh (Trang 22)
Hình 2.6: Kích thước ảnh giữ nguyên 5x5 sau khi thêm vùng đệm kích thước 1 - Phân lớp dữ liệu hình ảnh một lớp ứng dụng trong các hệ thống giám sát lỗi
Hình 2.6 Kích thước ảnh giữ nguyên 5x5 sau khi thêm vùng đệm kích thước 1 (Trang 23)
Hình 2.5: Kích thước ảnh giảm từ 5x5 về 3x3 sau khi áp dụng bộ lọc 3x3 - Phân lớp dữ liệu hình ảnh một lớp ứng dụng trong các hệ thống giám sát lỗi
Hình 2.5 Kích thước ảnh giảm từ 5x5 về 3x3 sau khi áp dụng bộ lọc 3x3 (Trang 23)
Hình 2.7: Ảnh minh họa tầng gộp - Phân lớp dữ liệu hình ảnh một lớp ứng dụng trong các hệ thống giám sát lỗi
Hình 2.7 Ảnh minh họa tầng gộp (Trang 24)
Trong mạng nơ-ron tích chập, việc huấn luyện mô hình thật ra là việc cập nhật trọng số của mạng sao cho các đặc trưng được trích xuất phù hợp để sử dụng phân lớp ảnh - Phân lớp dữ liệu hình ảnh một lớp ứng dụng trong các hệ thống giám sát lỗi
rong mạng nơ-ron tích chập, việc huấn luyện mô hình thật ra là việc cập nhật trọng số của mạng sao cho các đặc trưng được trích xuất phù hợp để sử dụng phân lớp ảnh (Trang 25)
Hình 2.9: Kiến trúc mạng ResNet18 2.2.5 Kiến trúc mạng nơ-ron VGG16 - Phân lớp dữ liệu hình ảnh một lớp ứng dụng trong các hệ thống giám sát lỗi
Hình 2.9 Kiến trúc mạng ResNet18 2.2.5 Kiến trúc mạng nơ-ron VGG16 (Trang 26)
VGG16[11] là mô hình của nhóm tác giả Karen Simonyan và Andrew Zisserman đề xuất trong cuộc thi ILSVRC 2014 - Phân lớp dữ liệu hình ảnh một lớp ứng dụng trong các hệ thống giám sát lỗi
16 [11] là mô hình của nhóm tác giả Karen Simonyan và Andrew Zisserman đề xuất trong cuộc thi ILSVRC 2014 (Trang 26)
Hình 4.1: Các vật thể và kiểu cấu trúc trong tập dữ liệu MVTecAD 4.2 Tiêu chuẩn đánh giá - Phân lớp dữ liệu hình ảnh một lớp ứng dụng trong các hệ thống giám sát lỗi
Hình 4.1 Các vật thể và kiểu cấu trúc trong tập dữ liệu MVTecAD 4.2 Tiêu chuẩn đánh giá (Trang 35)
Hình 4.2: Các tỉ lệ dùng trong các độ đo điểm trên ROC mà gần với điểm giá trị (FPR, TPR)=(0,1). - Phân lớp dữ liệu hình ảnh một lớp ứng dụng trong các hệ thống giám sát lỗi
Hình 4.2 Các tỉ lệ dùng trong các độ đo điểm trên ROC mà gần với điểm giá trị (FPR, TPR)=(0,1) (Trang 36)
Hình 4.3: Kiến trúc mô hình ResNet18 - Phân lớp dữ liệu hình ảnh một lớp ứng dụng trong các hệ thống giám sát lỗi
Hình 4.3 Kiến trúc mô hình ResNet18 (Trang 37)
Hình 4.5: Ảnh dự đoán Bottle, Cable, Screw - Phân lớp dữ liệu hình ảnh một lớp ứng dụng trong các hệ thống giám sát lỗi
Hình 4.5 Ảnh dự đoán Bottle, Cable, Screw (Trang 38)
Hình 4.4: Ảnh dự đoán Leather, Wood, Capsule - Phân lớp dữ liệu hình ảnh một lớp ứng dụng trong các hệ thống giám sát lỗi
Hình 4.4 Ảnh dự đoán Leather, Wood, Capsule (Trang 38)
Hình 4.6: Ảnh dự đoán Pill, Transistor, HazelNut - Phân lớp dữ liệu hình ảnh một lớp ứng dụng trong các hệ thống giám sát lỗi
Hình 4.6 Ảnh dự đoán Pill, Transistor, HazelNut (Trang 39)
Hình 4.7: Ảnh dự đoán Toothbrush, Grid, Carpet - Phân lớp dữ liệu hình ảnh một lớp ứng dụng trong các hệ thống giám sát lỗi
Hình 4.7 Ảnh dự đoán Toothbrush, Grid, Carpet (Trang 39)
Hình 4.8: Ảnh dự đoán Tile, MetalNut, Zipper - Phân lớp dữ liệu hình ảnh một lớp ứng dụng trong các hệ thống giám sát lỗi
Hình 4.8 Ảnh dự đoán Tile, MetalNut, Zipper (Trang 40)
Luận văn này cũng thử nghiệm phương pháp đề xuất với mô hình VGG16, tuy nhiên, khi chọn ngẫu nhiên các đặc trưng, số lương chúng tôi chọn là 200 thay vì 100 như ResNet18 - Phân lớp dữ liệu hình ảnh một lớp ứng dụng trong các hệ thống giám sát lỗi
u ận văn này cũng thử nghiệm phương pháp đề xuất với mô hình VGG16, tuy nhiên, khi chọn ngẫu nhiên các đặc trưng, số lương chúng tôi chọn là 200 thay vì 100 như ResNet18 (Trang 41)
Hình 4.9: AUROC trên tất cả các tập dữ liệu sử dụng mô hình ResNet18 - Phân lớp dữ liệu hình ảnh một lớp ứng dụng trong các hệ thống giám sát lỗi
Hình 4.9 AUROC trên tất cả các tập dữ liệu sử dụng mô hình ResNet18 (Trang 41)
Một thách thức với các mô hình học sâu là tập dữ liệu huấn luyện phải đủ lớn để học được tính tổng quát - Phân lớp dữ liệu hình ảnh một lớp ứng dụng trong các hệ thống giám sát lỗi
t thách thức với các mô hình học sâu là tập dữ liệu huấn luyện phải đủ lớn để học được tính tổng quát (Trang 42)
Bảng 4.2: Kết quả thực nghiệm trên SMVTecAD với ResNet18 - Phân lớp dữ liệu hình ảnh một lớp ứng dụng trong các hệ thống giám sát lỗi
Bảng 4.2 Kết quả thực nghiệm trên SMVTecAD với ResNet18 (Trang 43)

TRÍCH ĐOẠN

Phân lớp một lớp dùng mô hình phân phối vùng Kết quả thực nghiệm Kết quả thực nghiệm trên tập dữ liệu SMVTecAD

TÀI LIỆU CÙNG NGƯỜI DÙNG

TÀI LIỆU LIÊN QUAN