search

M-3LAB / awesome-industrial-anomaly-detection

Paper list and datasets for industrial image anomaly/defect detection (updating). 工业异常/瑕疵检测论文及数据集检索库(持续更新)。
1.47k stars 138 forks source link

问个研究方向的问题 #11

Closed nistarlwc closed 7 months ago

nistarlwc commented 7 months ago

为什么没有看到有人用遥感领域的变化检测change detection来做工业缺陷检测呢？ 只要有个模板就可以用孪生网络把不同特征的位置检测出来。 是有什么限制了这种方法吗？ 图像配准吗？现在也有深度学习的端到端配准了，就算配准偏差了几个像素，change detection应该也可以正常运行吧

shirowalker commented 7 months ago

为什么没有看到有人用遥感领域的变化检测change detection来做工业缺陷检测呢？ 只要有个模板就可以用孪生网络把不同特征的位置检测出来。 是有什么限制了这种方法吗？ 图像配准吗？现在也有深度学习的端到端配准了，就算配准偏差了几个像素，change detection应该也可以正常运行吧

主要问题还是在于工业品未必有固定的模板，现有数据集的同类物品往往有一定多样性。如果是有固定模板的工业品的话确实可以考虑用这种方法。刚好我们在NeurIPS 2023上的工作_Real3D-AD: A Dataset of Point Cloud Anomaly Detection_就是基于这一假设的，有兴趣的话欢迎关注。

nistarlwc commented 7 months ago

工业品应该都是有标准品的呀，只是可能会有旋转或者位移之类的变换，通过配准也能解决吧

---- 回复的原邮件 ---- | 发件人 | Jiaqi @.> | | 日期 | 2024年02月21日 17:54 | | 收件人 | @.> | | 抄送至 | @.>@.> | | 主题 | Re: [M-3LAB/awesome-industrial-anomaly-detection] 问个研究方向的问题 (Issue #11) |

为什么没有看到有人用遥感领域的变化检测change detection来做工业缺陷检测呢？ 只要有个模板就可以用孪生网络把不同特征的位置检测出来。 是有什么限制了这种方法吗？ 图像配准吗？现在也有深度学习的端到端配准了，就算配准偏差了几个像素，change detection应该也可以正常运行吧

主要问题还是在于工业品未必有固定的模板，现有数据集的同类物品往往有一定多样性。如果是有固定模板的工业品的话确实可以考虑用这种方法。刚好我们在NeurIPS 2023上的工作_Real3D-AD: A Dataset of Point Cloud Anomaly Detection_就是基于这一假设的，有兴趣的话欢迎关注。

— Reply to this email directly, view it on GitHub, or unsubscribe. You are receiving this because you authored the thread.Message ID: @.***>

shirowalker commented 7 months ago

工业品应该都是有标准品的呀，只是可能会有旋转或者位移之类的变换，通过配准也能解决吧 … ---- 回复的原邮件 ---- | 发件人 | Jiaqi @.> | | 日期 | 2024年02月21日 17:54 | | 收件人 | @.> | | 抄送至 | @.>@.> | | 主题 | Re: [M-3LAB/awesome-industrial-anomaly-detection] 问个研究方向的问题 (Issue #11) | 为什么没有看到有人用遥感领域的变化检测change detection来做工业缺陷检测呢？ 只要有个模板就可以用孪生网络把不同特征的位置检测出来。 是有什么限制了这种方法吗？ 图像配准吗？现在也有深度学习的端到端配准了，就算配准偏差了几个像素，change detection应该也可以正常运行吧 主要问题还是在于工业品未必有固定的模板，现有数据集的同类物品往往有一定多样性。如果是有固定模板的工业品的话确实可以考虑用这种方法。刚好我们在NeurIPS 2023上的工作_Real3D-AD: A Dataset of Point Cloud Anomaly Detection_就是基于这一假设的，有兴趣的话欢迎关注。 — Reply to this email directly, view it on GitHub, or unsubscribe. You are receiving this because you authored the thread.Message ID: @.***>

理论上是这样的，但是现有的公开数据集不单包括标准工业品，比如最常见的MVTec AD数据集里的cable, wood等很多都没有固定模板。