关于 PCB AOI AVI 算法可行性调研

A.属性:
1.顺序性
2.形色特征
3.正样本
4.负样本没有,从正样本生成构建

B.方法

  1. one-class-net
    2.outlier/novelty detection
    3.Autoencoder 无监督异常检测
    4.SVM
  2. Multi-class-net
    6.GAN

参考:
《异常检测——从经典算法到深度学习》
0 概论
1 基于隔离森林的异常检测算法
2 基于LOF的异常检测算法
3 基于One-Class SVM的异常检测算法
4 基于高斯概率密度异常检测算法
5 Opprentice——异常检测经典算法最终篇
6 基于重构概率的 VAE 异常检测
7 基于条件VAE异常检测
8 Donut: 基于 VAE 的 Web 应用周期性 KPI 无监督异常检测
9 异常检测资料汇总(持续更新&抛砖引玉)
10 Bagel: 基于条件 VAE 的鲁棒无监督KPI异常检测
11 ADS: 针对大量出现的KPI流快速部署异常检测模型
12 Buzz: 对复杂 KPI 基于VAE对抗训练的非监督异常检测
13 MAD: 基于GANs的时间序列数据多元异常检测
14 对于流数据基于 RRCF 的异常检测
15 通过无监督和主动学习进行实用的白盒异常检测
16 基于VAE和LOF的无监督KPI异常检测算法
17 基于 VAE-LSTM 混合模型的时间异常检测
18 USAD:多元时间序列的无监督异常检测
相关:

VAE 模型基本原理简单介绍
GAN 数学原理简单介绍以及代码实践

你可能感兴趣的:(机器视觉工程,算法,机器学习,人工智能)