ForrestPi / VAEGAN

try VAE GANLoss + SSIM loss in anomaly Detection

Geek Repo:Geek Repo

Github PK Tool:Github PK Tool

VAEGAN

try VAE GANLoss + SSIM loss in anomaly Detection

基于VAE+GAN的异常图片结果测试如下:

img

对测试图片以及重建图片进行比对测试结果: img

目前 对于光伏外观的异物检测,主要还是基于两部分模型实现:

1、由VAE+GAN 对待测图片进行重建,获得重建后的图片。

2、由待测图片以及重建后的图片,进行异常比对,获得异物定位功能 img

对于无监督异常图片进行精准的异常区域分割定位,在于如何精准的修复重建,获取语义级别的残差图结果,还需要进一步更深入的探索。

针对上述算法上的一些思考做进一步算法进行探索,打造AnomalyVAEGAN。

针对木制纹理结构数据进行探索

主要测试VAE+SSIM loss VAE+SPL loss 以及VAE+GAN loss 验证模型对复杂纹理数据集的重建性能 正常/异常测试数据
img

重建后的结果分析
img

纹理恢复数据
img

About

try VAE GANLoss + SSIM loss in anomaly Detection

License:MIT License


Languages

Language:Python 99.7%Language:Shell 0.3%