下载源码请star这个项目一波

复现测试

上次写了一篇文章介绍CVPR 2019最新提交的工业缺陷检测新思路基于图像语义分割网络实现缺陷检测，当时我们的一位读者看到非常感兴趣，关键是还很厉害，直接实现了论文中提到缺陷检测网络，基于tensorflow+slim框架复现了基于KolektorSDD数据集的检测效果，先看一下测试运行效果：

框架、数据集、代码运行

开发框架与语言版本

• python 3.6
• cuda 9.0
• cudnn 7.1.4
• Tensorflow 1.12

数据集下载地址

https://www.vicos.si/Downloads/KolektorSDD

复现论文的时候作者并没有完全按照论文来设置参数，但是仍然取得了比较好的训练与测试效果，KolektorSDD前面30子文件夹作为训练数据，后面20个作为测试数据，最终的准确率与召回如下：

直接运行如下命令即可加载ckpt文件完成测试

python run.py –test

单独训练分割网络

python run.py --trian_segment

单独训练决策网络

python run.py  --train_decison

分割与决策网络一起训练

python run.py  --train_total

最后看一下测试运行脚本与结果

测试结果如下：

源码下载

源码下载地址，别忘记star这个项目！

https://github.com/Wslsdx/Deep-Learning-Approach-for-Surface-Defect-Detection

1 字符串类型2 散列类型3 列表类型4 集合类型5 有序集合类型   Redis是一个键值对内存数据库(可持久化)，一般存储生命周期为开启关闭一个实例的时间，其中的数据都存储在同一个数据库下，以键值对的形式存储起来，键可以理解为定义一条数据的标签，通过该标签来访问和寻找数据，Redis键命令用于管理redis的键，常见的命令有： 表1 常见的Redis keys命令 命令作用DEL k