• @Gavin666 在 2019-07-09 10:08:58 的动弹 at 1周前

    @sophie 您说的对,目前确实尴尬,第一负样本太难采集;第二,我所说的生锈裂纹等只是举例,实际上还有很多未知的情况,比如掉了个螺丝,多了个异物,设备是户外的,很可能还会出现其他飘落干扰的物体等,我们都要检测出来并报警,然后最终是人工判定需不需要处理,并将其归异常类。目前只需要完成粗粒度的任务,针对小物体级别的变化识别,不需要对细粒度的生锈裂纹这样的进行识别

  • @Gavin666 在 2019-07-09 10:08:58 的动弹 at 1周前

    @sophie 是啊,真实应用场景其实就是细粒度的检测一些变化,这些变化是根据时间序列慢慢得到的,目前模拟的话只能是直接人为的在一幅场景中放置一个小物体,然后把这个小物体抠出来就行了,但是场景中可能还有其他之前已存在的物体,我们要过滤掉,最终只需要给出当前帧的“变化”,即:比上一个时间拍的图多了什么或者少了什么并标记

  • @Gavin666 在 2019-07-09 10:08:58 的动弹 at 1周前

    @sophie 数据量比较少,负样本不好采集,比如办公桌,客厅电视机等场景,基于同一角度同一背景光照等其他条件都不变的情况下,放置一个小物体,比如打火机,杯子等,这样我们得到两张背景都相同的图,唯一不同的是第二次画面里多了一个小物体,要求检测出来这两个画面的区别,并标记其位置(打火机,杯子等)。要求和历史数据比对检测细粒度变化,比如工业设备生锈了,出现裂纹了等