本文记录一篇生成异常数据用于自监督学习的异常检测工作 —— MemSeg。

本文介绍异常检测 2023 年一篇优秀工作 —— SimpleNet。

本文介绍 2023 年一篇异常检测中基于扩散模型实现异常检测的工作 —— DiffusionAD。

深度学习实现异常检测时常用重构的方法，但是过程中会隐含地学习到对检测不利的内容，OCGAN 尝试克服该问题。

记忆自编码器是对深度自编码器的改进，提高对异常数据的敏感程度，即两极分化正常样本和异常样本的重构误差，本文记录相关内容。

结构相似性指标（structural similarity index，SSIM index）是一种用以衡量两张数位影像相似程度的指标，本文记录相关内容。

Online Hard Example Mining（OHEM）是一种在深度学习目标检测和分类任务中用于样本挖掘和损失加权的技术。它的主要目标是帮助模型更好地处理难以分类的样本，提高模型的性能。本文记录相关内容。

Contrastive Loss（对比损失）是一种损失函数，通常用于训练对比学习（Contrastive Learning）模型，这些模型旨在学习数据中的相似性和差异性。本文记录相关内容。

测试需要在 Ubuntu 下配置 C++ 开发环境，本文记录配置过程。

自己的 markdown 笔记一定要握在自己手里，本文记录私有笔记服务器工具 joplin 的部署过程。