APReLU：跨界应用，用于机器故障检测的自适应ReLU | IEEE TIE 2020

论文的工作属于深度学习在工业界的应用，借鉴计算机视觉的解决方法，针对机器故障检测的场景提出自适应的APReLU，对故障检测的准确率有很大的提升。论文整体思想应该也可以应用于计算机视觉，代码也开源了，大家可以尝试下
 
来源：晓飞的算法工程笔记 公众号

论文: Deep Residual Networks with Adaptively Parametric Rectifier Linear Units for Fault Diagnosis

• 论文地址：https://ieeexplore.ieee.org/document/8998530/metrics#metrics
• 代码地址：https://github.com/zhao62/Adaptively-Parametric-ReLU

Introduction

---

  论文讨论的场景是电子设备的错误检测，由于在苛刻环境下长期运行，电子设备经常会不可避免地出现故障，进而造成意外和损失。而振动信号(vibration signal)通常包含由于机器故障引起脉冲和波动，可用来检测设备故障。近期，深度学习方法也被用于电子设备的错误检测中，将振动信号作为输入，输出当前设备是否正常。