Benutzer: Gast  Login
Originaltitel:
Unsupervised Anomaly Detection and Localization for Visual Quality Inspection
Übersetzter Titel:
Unüberwachte Erkennung und Lokalisierung von Anomalien für die visuelle Qualitätskontrolle
Autor:
Bergmann, Paul
Jahr:
2022
Dokumenttyp:
Dissertation
Fakultät/School:
TUM School of Computation, Information and Technology
Betreuer:
Steger, Carsten (Prof. Dr.)
Gutachter:
Steger, Carsten (Prof. Dr.); Rosenhahn, Bodo (Prof. Dr.)
Sprache:
en
Fachgebiet:
DAT Datenverarbeitung, Informatik
Stichworte:
Anomaly Detection, Computer Vision, Unsupervised Learning, Deep Learning
Übersetzte Stichworte:
Anomalieerkennung, Computer Vision, Unüberwachtes Lernen, Deep Learning
TU-Systematik:
DAT 760; DAT 770
Kurzfassung:
This thesis develops unsupervised methods for anomaly detection and localization in 2D and 3D visual quality inspection applications. Our methods are trained exclusively on anomaly-free data and significantly improve the detection rate over existing methods. In addition, we present new anomaly detection datasets based on industrial inspection scenarios and suitable evaluation metrics for a thorough performance evaluation.
Übersetzte Kurzfassung:
Diese Arbeit entwickelt unüberwachte Methoden zur Erkennung und Lokalisierung von Anomalien in 2D- und 3D-Anwendungen zur visuellen Qualitätskontrolle. Unsere Methoden werden ausschließlich auf anomaliefreien Daten trainiert und verbessern die Erkennungsrate gegenüber bestehenden Methoden deutlich. Zusätzlich stellen wir neue Datensätze zur Anomalieerkennung basierend auf industriellen Inspektionsszenarien vor, sowie geeignete Metriken, die eine umfassende Leistungsbewertung ermöglichen.
WWW:
https://mediatum.ub.tum.de/?id=1662158
Eingereicht am:
24.06.2022
Mündliche Prüfung:
18.11.2022
Dateigröße:
67888818 bytes
Seiten:
180
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20221118-1662158-1-0
Letzte Änderung:
12.12.2022
 BibTeX