- 博客(39)
- 收藏
- 关注
RSS订阅原创 论文精读-DDE-CLIP: Detail-Guided Dual-Modal Enhancement for Zero-Shot Anomaly Detection
工业产品制造中的异常检测至关重要。由于，该领域已从有监督学习转向无监督异常检测（UAD）。然而，UAD仍依赖目标类别的正常样本进行训练。：在涉及国防、军事或商业机密等数据敏感场景中，连正常样本都难以获取。ZSAD旨在无需任何目标产品训练样本的情况下检测和定位异常，解决了样本稀缺和数据隐私问题。：现有ZSAD方法多基于CLIP模型。直观地解释了视觉特征如何指导DDE-CLIP中的文本嵌入。（a）现有方法通常使用静态文本嵌入来检测各种异常。
2026-07-09 12:06:21
348
原创 clip模型及论文精读-Learning Transferable Visual Models From Natural Language Supervision
1.CLIP的训练数据CLIP的训练数据是<图像，文本>pair。如图所示，一个batch的数据里，有若干张图像，每张图像都配有相应的文字描述信息（prompt），比如：一张小狗图片，prompt为<dog>，或者为prompt的设计也会影响模型最终的效果把prompt从单词<dog>换成句子后，模型在ImageNet分类任务上的准确率直接提高了1.3%在OCR数据集上，作者发现如果把要识别的文字、数字用引号扩起来，能达到更好的效果在卫星图分类数据集上，作者发现把prompt替换成。
2026-07-08 22:17:53
255
原创 多模态-复现OpenAI的CLIP模型
1. 导入 PyTorch 核心库# 2. 导入之前自定义的 MNIST 数据集类# 3. 导入之前定义的 CLIP 模型类（包含图像编码器和文本编码器）# 4. 导入 PyTorch 的函数式接口，这里主要用到交叉熵损失函数# 5. 导入数据加载器，用于批量加载数据# 6. 导入操作系统模块，用于文件的重命名（安全保存模型）import os# 7. 设置运行设备：如果有 NVIDIA GPU 则使用 'cuda'，否则使用 'cpu'# 8. 实例化 MNIST 数据集。
2026-07-07 10:48:31
233
原创 论文精读-Crack segmentation network via difference convolution-based encoder and hybrid CNN-Mamba multi-
相比于基于 Transformer 的同类模型（如 SegFormer），DCCM-Net 在保持甚至超越其性能的同时，推理速度更快，内存占用更低。：Mamba 架构中的扫描机制（Scan direction）对裂缝走向可能有一定的偏好，论文对不同扫描方向的影响讨论较少。与标准卷积只学习强度信息不同，差分卷积通过计算中心像素与周围像素的差异，显式地增强了对裂缝边缘纹理的提取能力。：在不同分辨率下并行处理特征，确保网络对不同宽度（从发丝裂缝到大裂缝）的鲁棒性。
2026-05-07 12:45:54
422
原创 论文精读-bridge surface crack detection and segmentation using computer vision-based deep learning
通过注意力机制和轻量化网络的结合，模型在资源受限的边缘平台上依然能保持高性能，为桥梁自动养护提供了实用的技术方案。如何优化深度学习模型，使其在保证检测精度的同时，具备较小的模型体积和较高的运行速度，以满足边缘设备的部署需求？：引入 PAM 模块以获取丰富的上下文信息，使不同位置的相似特征相互增强，从而提高复杂裂缝的分割精度。：改进的 PSPNet 能够提供裂缝的轮廓、大小和形状信息，弥补了检测框无法精确描述裂缝轮廓的不足。：尽管有所改进，但对于某些对比度极低或极细微的裂缝，检测能力仍存在提升空间。
2026-05-01 15:00:34
405
原创 论文精读-An End-to-End Steel Surface Defect Detection Approach via Fusing Multiple Hierarchical Featur
钢板表面缺陷（如裂纹、夹杂、斑块等）的检测是保证工业生产质量的关键环节，传统的人工检测方法不仅效率低下，且可靠性不足。：钢材表面常出现多类别缺陷并存、缺陷重叠以及复杂的背景干扰，这要求系统不仅要能“分类”（是什么），还要能“定位”（在哪里）：传统的自动化检测方法依赖手动设计特征，主观性强且定位精度差；而现有的深度学习分割模型（如 Mask R-CNN）计算开销巨大，难以满足工业实时检测需求。：如何构建一个既具备强大分类能力，又能实现精准目标定位的端到端深度学习系统？
2026-04-27 10:39:57
411
原创 论文精读-“A deep-learning-based approach for fast and robust steel”
摘要： 针对钢板表面缺陷检测中传统方法效率低、深度学习模型实时性不足的问题，本研究提出一种基于SqueezeNet的轻量化分类模型。通过浅层特征强化训练(ELF)和多感受野模块(MRF)，模型在少量样本(1440张)下实现了100%的原始数据集准确率和97.5%的增强数据集准确率，处理速度超100fps。研究验证了模型在噪声、模糊等复杂环境下的强鲁棒性，但极端光照下性能仍有提升空间。该方案为工业实时检测提供了高效解决方案，但未涵盖缺陷定位任务。
2026-04-21 17:08:11
236
原创 论文精读-基于注意力机制的 U⁃Net 叶片缺陷图像分割
本研究针对风机叶片缺陷检测难题，提出了一种基于改进U-Net的语义分割网络。通过结合VGG16迁移学习、CBAM注意力机制和扩张卷积，有效解决了小样本训练和微小缺陷分割模糊问题。实验表明，该模型mIoU达83.60%，较DeepLabV3+提升13.98%，对裂纹等微小缺陷检测效果显著。消融实验验证了各模块的有效性，但面对更复杂场景的泛化能力仍需进一步验证。该研究为工业场景下的叶片缺陷检测提供了实用解决方案。
2026-04-20 12:47:34
417
原创 Torchvision 0.26：深度学习视觉库全面解析
Torchvision 0.26是PyTorch生态中的核心计算机视觉库，提供六大功能模块：1）数据增强Transforms支持多模态处理；2）Models提供主流视觉架构及预训练权重，采用新版Weights API管理模型版本；3）Datasets集成常见视觉数据集；4）Operators包含高效底层算子；5）IO模块实现高速数据读取；6）Training References提供官方训练脚本。文档特别详解了VGG架构，作为经典CNN代表，其3×3卷积堆叠设计至今仍是重要基准，同时介绍了新版中模型加载方式
2026-04-20 10:57:33
516
原创 pytorch-优化器
PyTorch 2.11 文档中的 torch.optim是一个专门用于的包。如果说“模型”是躯干，“损失函数”是痛觉感官，那么 Optimizer就是大脑。它根据痛觉（Loss）来决定如何移动身体（更新参数），以求减小痛苦。
2026-04-20 09:45:42
301
原创 损失函数与反向传播
reduction这是文档中最关键的参数，它决定了如何把这一堆“差值的绝对值”合并成一个数字。'mean'(默认值)：计算所有元素损失的平均值。这是最常用的，因为它让损失的大小与 Tensor 的规模无关。'sum'：将所有元素的损失求和。'none'：不进行合并，直接返回一个和输入形状一样的 Tensor，里面记录了每个位置对应的损失。
2026-04-19 17:13:54
361
原创 神经网络-Sequential 应用与实战
是一个顺序容器。模块将按照它们在构造函数中传递的顺序被添加到容器中。核心功能：它会自动处理数据在各层之间的传递。你不需要手动编写forward函数里的数据流代码，Sequential会自动将第一层的输出传给第二层，第二层传给第三层，以此类推。角色：它将多个子模块打包成一个单一的模块。对Sequential对象进行操作（如移动到 GPU、保存模型）会同时作用于它包含的所有子层。
2026-04-16 12:44:52
441
原创 神经网络-非线性激活
ReLU 的全称是修正线性单元。它的设计非常简单且高效：如果输入是正数，直接原样输出；如果输入是负数，则输出 0。Sigmoid 是一种非常经典的逻辑激活函数，它将输入的任意实数压缩到(0, 1)之间。在深度学习中，它常用于二分类任务的输出层，用来表示概率。# --- 第一部分：手动测试数据 ---# 创建一个 2x2 的张量，包含正数和负数，用于模拟原始输入[-1, 3]])
2026-04-14 23:14:41
417
原创 神经网络-最大池化
默认步长等于窗口大小，这意味着窗口之间不会重叠。如果步长小于窗口大小，则会发生重叠。对于窗口覆盖的区域，它只保留该区域中的。：即便特征在图像中发生了轻微的位移，最大池化输出的结果通常保持不变，这增加了模型的鲁棒性。，会同时返回最大值所在的索引。：空洞卷积参数，控制窗口内元素的间距（较少用到）。：缩小图片尺寸，降低后续层的参数量和计算压力。，表示使用 $2 \times 2$ 的窗口。（向下取整），确保输入图像的所有像素都被覆盖。池化是在每个通道上独立进行的。：在输入边缘填充 0 的层数。
2026-04-14 18:52:31
187
原创 神经网络-卷积
Conv2d是对由多个输入平面组成的输入信号进行二维卷积操作。在最简单的情况下，对于输入大小为 $(N, C_{in}, H, W)$ 的层，输出大小为 $(N, C_{out}, H_{out}, W_{out})$ 的值可以表示为：其中 $\star$ 是有效值的互相关 (Cross-correlation)运算。这一行代码是在告诉 PyTorch：“我要买一个过滤器（Filter/Kernel）”。3：输入图像有 3 个通道。这通常对应 RGB 彩色图片的红、绿、蓝。6：我想要。
2026-04-13 19:28:19
444
原创 神经网络的基本骨架-nn.Module的使用
_init__：就像是准备实验器材。你在这里声明模型需要哪些“层”（Layer）。forward：就像是实验步骤。你在这里规定数据（Tensor）进入模型后，先经过哪一层，再经过哪一层，最后输出什么。注意：你不需要手动调用forward函数，当你实例化模型并输入数据时（例如），PyTorch 会自动帮你运行forward里的逻辑。
2026-04-12 22:02:58
233
原创 unet模型学习笔记
该U-Net图像分割项目采用模块化架构设计，主要包含：1）核心组件（nets/）实现U-Net架构和主干网络；2）工具集（utils/）处理数据加载、损失计算等功能；3）资源目录（model_data/、VOCdevkit/）存储模型权重和训练数据。核心脚本包括训练控制（train.py）、预测接口（predict.py）和性能评估（get_miou.py）等，支持完整的模型开发流程。项目采用标准语义分割评价指标（如mIoU），通过模块化设计实现了数据预处理、模型训练和推理的完整闭环。
2026-04-09 22:54:50
425
原创 ROS 面向过程编写一个python节点
这是一个阻塞调用，会让节点保持运行，等待和处理来自ROS 2系统的消息（如订阅的消息、服务请求等）。这是使用任何ROS 2功能之前必须调用的函数，它会设置ROS 2的上下文环境。这是在程序退出前必须调用的函数，用于正确释放ROS 2相关的资源。这里的"li4"是节点的名称，在ROS 2网络中用于标识这个节点。Node类是创建ROS 2节点的基类，所有自定义节点都需要继承这个类。导入ROS 2的Python客户端库（rclpy），这是所有ROS 2节点程序的基础依赖库。定义主函数，这是程序的入口点。
2025-08-28 22:29:42
285
原创 Python算法+数据结构 查找排序练习题
for line in matrix: # 遍历矩阵的每一行if target in line: # 如果目标值在当前行中return True # 找到目标，返回Truereturn False # 修正：遍历完所有行后都没找到，才返回False逐行遍历二维矩阵，对每一行使用in操作符检查目标值是否存在。h = len(matrix) # 获取矩阵的行数（height）if h == 0: # 如果矩阵为空（没有行）return False # 直接返回False。
2025-08-23 21:23:18
341
原创 Python算法+数据结构 基数排序
按桶顺序（0→1→2→...→9）将元素重新组装。：根据当前位的数字将元素放入0-9的桶中。找到最大值，确定需要排序的轮数。：从最低位（个位）开始到最高位。
2025-08-22 18:09:51
167
原创 Python算法+数据结构 桶排序
按桶顺序将元素合并得到最终排序结果。：创建n个空桶（默认100个）：根据元素值计算应该放入哪个桶。：对每个非空桶进行插入排序。确保索引不超过桶的范围。
2025-08-22 17:38:31
147
原创 Python算法+数据结构 希尔排序
最后间隔为1时，就是普通的插入排序（此时列表已基本有序。先对间隔较大的子序列进行插入排序（让元素大跨度移动）：通过逐渐缩小间隔，对子序列进行插入排序。开始，每次除以2，直到间隔为1。逐渐缩小间隔，进行更精细的排序。
2025-08-22 17:00:39
144
原创 Python算法+数据结构 归并排序
O(n log n) - 最优、最差和平均情况下都相同。：O(n) - 需要额外空间存储临时列表。：大数据量排序，尤其是链表排序和外排序。：稳定排序（相等元素的相对位置不变）
2025-08-18 22:35:02
315
原创 Python算法+数据结构 堆排序topk问题
总体：O(NlogK) - 比完整排序 O(NlogN) 更高效。O(K) - 只需要额外存储 K 个元素。内存效率高（只需要维护大小为 K 的堆）处理剩余元素：O((N-K)logK)大数据集中查找最大/最小的 K 个元素。实时数据流中的 TopK 查询。堆排序：O(KlogK)内存有限时处理大规模数据。不需要完全排序整个数据集。时间复杂度优于完全排序。
2025-08-18 22:05:00
335
原创 Python算法+数据结构 排序（冒泡，插入，快速排序）
重复遍历列表比较相邻元素，如果顺序错误就交换它们每轮遍历后，最大的元素会"冒泡"到正确位置。
2025-08-17 14:36:05
492
原创 Python算法+数据结构 查找
也叫线性查找，从头到尾依次查找这行定义了一个名为 `linear_search` 的函数，它有两个参数：- `li`：一个列表（或其他可迭代对象），我们将在其中进行搜索。- `val`：我们要在列表 `li` 中查找的目标值。这行开始一个循环，遍历列表 `li` 中的每一个元素。使用 `enumerate` 函数可以同时获取元素的索引和值。- `ind`：当前元素在列表中的索引（位置，从0开始）。- `v`：当前元素的值。
2025-08-16 21:29:33
175
原创 Python numpy 简易版安装
run后出现红色报错，最后一行显示no.....path，去更新pip。4.输入下面字符，运行，自动多出一行，可以开始使用numpy。一 .安装 pip方式（前提是已经下载过python）回车，几秒钟后自动打开此网页。5.可能出现的错误/问题。2.再输入cmd,输入。3.选择python3。
2025-08-02 21:49:24
232
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人