【数据集介绍】MVTec 3D AD数据集介绍

科研
同时被 2 个专栏收录
¥9.90
¥99.00
6 篇文章

一、声明

二、常见任务

点云异常点检测

三、基本信息介绍

  • 包含4147模型
  • 10个类:bagel、cable gland、carrot、cookie、dowel、foam、peach、potato、rope、tire

四、数据集目录

├── bagel
│   ├── calibration
│   │   └── camera_parameters.json:包含了相机的内参参数
│   ├── class_ids.json
│   ├── license.txt
│
VIP MVTEC 3D dataset MVTec 3D异常检测数据集(MVTec 3D- ad)是一个用于无监督异常检测和定位任务的综合3D数据集。它包含由工业3D传感器获得的4000多个高分辨率扫描。10个不同的对象类别中的每一个都包含一组无缺陷的训练和验证样本,以及一组具有各种缺陷的样本。为每个异常测试样本提供了精确的ground truth注释。更多信息可以在我们相应的论文“MVTec 3D- ad数据集用于无监督3D异常检测和定位”中找到。 开通可读全文·5.1k 阅读·2 点赞·16 收藏 阅读全文

相关推荐

CVPR2019 无监督异常检测/定位数据集:MVTec AD

《MVTec AD:A Comprehensive Real-World Dataset for Unsupervised Anomaly Detection》 简介 MVTec AD是MVtec公司提出的一个用于异常检测的数据集,发布于2019CVPR。与之前的异常检测数据集不同,该数据集模仿了工业实际生产场景,并且主要用于unsupervised anomaly detection。数据集为异常区域都提供了像素级标注,是一个全面的、包含多种物体、多种异常的数据集。 训练集中只包含正常样本,测试集中包.

要相信光 3万+

MVTec 3D-AD数据集上,多模态工业异常检测算法到底比单模态强多少?用数据说话

本文基于MVTec 3D-AD数据集,实证分析了多模态工业异常检测算法相比单模态方案的性能优势。数据显示,多模态方法在平均I-AUROC指标上领先近10个百分点,显著降低漏检率和误报率,尤其在复杂缺陷检测中展现协同效应。文章还提供了成本效益分析和工程落地建议,为工业质检领域的技术选型提供数据支持。

weixin_30664051的博客 499

告别MVTec 3D-AD?手把手带你用Real3D-AD数据集复现工业级点云缺陷检测

本文详细解析了如何利用Real3D-AD数据集实现工业级点云缺陷检测,从数据预处理到模型调优,再到产线落地全流程。通过对比MVTec 3D-AD,展示了Real3D-AD在点云精度和标注粒度上的优势,并提供了Reg3D-AD基线模型的复现指南和工业场景调优技巧,助力工程师构建高精度检测系统。

weixin_42526087的博客 409

工业质检实战:如何用MVTec 3D-AD数据集训练你的第一个点云异常检测模型(PyTorch版)

本文详细解析了如何利用MVTec 3D-AD数据集训练点云异常检测模型的全流程,涵盖数据预处理、特征提取、模型训练及可视化等关键步骤。通过PyTorch实现轻量级PointNet变体,结合自监督训练策略和多模态融合技术,提升工业质检的准确性和效率。特别适合智能制造领域的技术人员参考实践。

weixin_27076351的博客 248

告别‘炼丹’:基于MVTec 3D-AD数据集的点云异常检测模型调参与评估全攻略

本文详细解析了基于MVTec 3D-AD数据集的点云异常检测模型调参与评估全攻略,涵盖自编码器架构优化、对比学习新范式及多模态融合技巧等关键技术。通过实战案例和调参经验,帮助开发者高效应对工业质检中的复杂场景,提升点云异常检测的准确性和鲁棒性。

weixin_42524750的博客 197

告别MVTec 3D-AD!手把手教你用Real-IAD D³数据集复现CVPR 2025工业缺陷检测SOTA

本文详细解析了Real-IAD D³数据集在工业缺陷检测领域的革命性应用,包括其微米级点云精度、多模态样本对齐及数据增强策略。通过实战指南,帮助读者复现CVPR 2025的SOTA模型D³M,并优化工业场景下的部署效果,显著提升检测精度与效率。

weixin_29088655的博客 206

表面缺陷检测数据集的汇总及相关论文集收集 - 在Github上开源的计算机视觉资源

本文将介绍一些常用的表面缺陷检测数据集,并提供在Github上开源的计算机视觉资源。每个缺陷类型都有大量的图像样本,包括不同的光照条件和缺陷位置。本文介绍了一些常用的表面缺陷检测数据集,并提供了在Github上开源的计算机视觉资源。通过使用这些数据集和参考相关论文集,可以进一步推动表面缺陷检测技术的发展和应用。这个方法可以用于表面缺陷检测中的异常检测任务。该论文提出了一种基于深度学习的方法,用于扫描电子显微镜(SEM)图像中的缺陷检测。可以使用该项目进行表面缺陷检测中的异常检测任务。

LgvrApplescript的博客 1265

MVTec AD工业缺陷数据集-铁丝网格缺陷检测数据集.zip

MVTec AD工业缺陷数据集-铁丝网格缺陷检测数据集.zipMVTec AD工业缺陷数据集-铁丝网格缺陷检测数据集.zipMVTec AD工业缺陷数据集-铁丝网格缺陷检测数据集.zipMVTec AD工业缺陷数据集-铁丝网格缺陷检测数据集.zipMVTec AD工业缺陷数据集-铁丝网格缺陷检测数据集.zipMVTec AD工业缺陷数据集-铁丝网格缺陷检测数据集.zipMVTec AD工业缺陷数据集-铁丝网格缺陷检测数据集.zipMVTec AD工业缺陷数据集-铁丝网格缺陷检测数据集 【数据集介绍】 1、工业检测为重点的异常检测方法基准数据集 2、高分辨率图像,每个类别包括一组无缺陷的训练图像和具有各种缺陷的图像的测试集以及没有缺陷的图像。 3、适用于用于无监督异常检测、图像分类识别算法(resnet、vgg、Googlenet、mobilenet等等) 数据集已做好划分:分别包含[bent、broken、glue、good、metal_contamination、thread],共6类 【备注】 欢迎下载使用,有问题请留言私信!

四大厂商网络设备巡检命令实战指南:华为、华三、锐捷、思科

本文详细介绍了华为、华三、锐捷、思科四大厂商网络设备的巡检命令实战指南,涵盖硬件状态、软件运行和网络功能等核心维度。通过具体命令示例和实用技巧,帮助网络工程师高效完成设备巡检,预防潜在故障,确保网络稳定运行。

weixin_29235923的博客 393

新能源知识库(62)组串式、集中式和高压直挂式

因需多台PCS及独立监控设备,单位功率成本比集中式高15%–20%。高压直挂式因省去变压器,大容量项目成本更低(>5MW时优势显著)。组串式储能、集中式储能和高压直挂式储能是当前主流的三类技术路线,其核心差异源于系统架构和控制逻辑的设计差异。组串式交流侧需变压器升压至10kV/35kV,高压直挂式可直接输出6kV/35kV电压,减少转换损耗。多台小功率PCS并联(每簇独立管理)单台大功率PCS(多簇直流侧并联)环流导致容量衰减(损失5%–8%)无变压器损耗(效率>99%)高压直挂电站(≥10MW)

竹君子之家 1521

Jupyter Notebook 命名出现“error”且运行后没反应

Jupyter Notebook 命名出现“error”且运行后没反应提前声明错误截图(方便大家看看是不是自己的错误)解决方法 提前声明 我的问题是在看到答主 @开始King的回答后才解决的,因为答主大大的文章后面有些地方不是很详细,我在这里再在King大大的基础上完善一下子 错误截图(方便大家看看是不是自己的错误) 1.命名失败,上面出现一个“error”字样 2.运行失败,无论是点击上方的运行按钮还是按快捷键shift+enter 都只会向下再增加一个代码块,而不会运行程序。 (也不是很多人出现的[*

qq_52770743的博客 1万+

基于方差分解分析气象/水文干旱驱动因素(含MATLAB全代码)

简介基于方差分解方法分析气象/水文干旱驱动因素

WW、forever的博客 804

Istio ICA考试之路---2-2

找到dr部分,这部分可以在mirroring里找也可以和题2-1一样在Traffic Management的dr里复制,内容都一样。此题之后都是在cluster-2上操作,所以就不需要再切换了.之后的几题2.1节就忽略掉了。可以看到,80%的流量被镜像到了dev上,实际考试这步可以忽略。看到ex-ip是192.168.126.220。获取gw,把gateways加入到vs配置中。获取istio-ingress的ex-ip。就获得了这样一个模板文件。查看2个pod的日志。

Q先生 856

华为OD机试新系统真题-魔法咒语组合(Java/Py/C++/Go/C/Js)

华为OD机试 新系统真题【魔法咒语组合】,提供C语言、Java、C++、Python、Go、JavaScript源码实现,并提供完整思路讲解,以及在线OJ模拟做题。华为OD机试真题【魔法咒语组合】多语言题解

qq_45776114的博客 680

19、英国模式:银行体系的演变与现代金融架构

本文深入探讨了英国银行体系从专业化向全能银行的演变过程,分析了自律监管模式的优劣,并解析了围栏制度对金融稳定的影响。同时,文章还介绍了信用合作社、建筑协会和投资银行的角色与转型,全面展示了英国金融体系的多样性与复杂性,以及其在全球金融市场中的重要作用。

embedding5hiker的博客 106

【人工智能】《Deep Dive into LLMs like ChatGPT 》—— Andrej Karpathy 第三阶段:强化学习(Reinforcement Learning, RL)

摘要:强化学习(RL)阶段通过让模型自主生成并验证答案,突破SFT阶段的模仿局限,使其在数学、代码等领域形成独特的推理路径。RL流程包括批量生成解答、自动批改筛选正确路径,并采用PPO/GRPO算法优化模型。模型会自发涌现自我检查、回滚等策略,显著提升正确率(如AIME竞赛准确率从15%升至56%)。与SFT模型相比,RL模型具备主动链式思维、验算能力,响应时间更长但效果更优,形成真正的“思考模型”。三阶段对比显示,RL通过可验证题的对错奖励机制,赋予模型超越人类范式的推理能力。

奶爸的编程之路,也就一周冷个三天 153

STM32F407中文手册

STM32f407中文手册 本参考手册面向应用开发人员,提供有关使用 STM32F405xx/07xx、STM32F415xx/17xx、 STM32F42xxx 和 STM32F43xxx 微控制器存储器与外设的完整信息。STM32F405xx/07xx、STM32F415xx/17xx、STM32F42xxx 和 STM32F43xxx 构成一个微 控制器系列,各产品具有不同的存储器大小、封装和外设。有关订购信息以及器件的机械与电气特性,请参见数据手册。有关 ARM Cortex™-M4F 内核的信息,请参见《Cortex™-M4F 技术参考手册》。

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

lwip-2.0.3

lwip是瑞典计算机科学院(SICS)的Adam Dunkels 开发的一个小型开源的TCP/IP协议栈。实现的重点是在保持TCP协议主要功能的基础上减少对RAM 的占用。

精雕软件(JDpaint) 5.5 绿色版

精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版

上一篇: C++耗时统计
下一篇: 【C++学习】文件操作
enen原来如此
博客等级 码龄15年 7851粉丝 176原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

enen原来如此

谢谢!

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值
⌂ 换网址