题目：《AnomalyGPT: Detecting Industrial Anomalies Using Large Vision-Language Models》，AnomalyGPT：利用大型视觉-语言模型检测工业异常， AAAI 2024 Oral日期：2023.12.28单位：中国科学院自动化研究所，中国科学院大学，中科视语(北京)科技有限公司，武汉人工智能研究院论文地址：https://

题目：《Shrinking Class Space for Enhanced Certainty in Semi-Supervised Learning》，ICCV 2023​缩小类空间以提高半监督学习的确定性日期：2023.8.13单位：香港大学、南京大学、上海AI Lab、悉尼大学、东南大学论文地址：https://arxiv.org/abs/2308.06777GitHub：https://

4：从平均值(mean)=0，方差(variance)=1的normal distribution中sample出ε，大小与image一致，是一张全是噪音的图片。我们会发现，噪声只由β序列和xt-1所决定（固定的而非可学习的过程），且生成xt-1时只依赖于xt，可以得出在添加噪声的过程中，是一个马尔科夫链过程，进而得出。αT），得到带有噪音的图片（α越大得到的图片带有的噪音占比越大）；注意，在得到

文字输入decoder，用于限制图像生成的范围，Encoder输出一个向量，交给decoder，希望还原回一样的图像，encoder和decoder一起训练，希望生成的图像约相似越好同时要对encoder生成的向量做限制，强制其是normal distribution训练encoder，输入一张图片输出一个向量，并保证这个向量是可逆的（大小与输入图像一致），多个向量组成normal distrib

机器学习 ≈ 机器自动寻找一个函数f例如：chatGPT：输入：“什么是机器学习”通过函数f，输出：“机”Midjournery：输入：一只可爱的猫，通过函数f，输出：一张猫猫图片Regression（回归）与Classification（分类）Regression：函数的输出是一个数值例如：输入输入今天的PM2.5值、温度、臭氧量等，输出明天的PM2.5值Classification：函数的输出

题目：《MixTeacher: Mining Promising Labels with Mixed Scale Teacher for Semi-Supervised Object Detection》，CVPR 2023日期：2023.3.16单位：腾讯，上海交通大学，浙江大学，荣旗工业科技公司论文地址：http://arxiv.org/abs/2303.09061作者。

距离上一次发博客都过去一个多月了，期间不是没有在学习，也保持着记笔记的习惯，但由于刚入门ML/DL的领域，能力也一般，现阶段学的很多东西都很基础，很多时间都在看各路大佬们的课、博文或是读论文，笔记里很多内容都是在收集别人的知识产物，整理时也没有很有条理，根本不是能作为博客发布的状态，所以就一直存放在本地了…害，希望接下来能多有自己的产出吧orz。修改文件：/content/YOLOv8/ultra

机器学习 ≈ 机器自动寻找一个函数f例如：chatGPT：输入：“什么是机器学习”通过函数f，输出：“机”Midjournery：输入：一只可爱的猫，通过函数f，输出：一张猫猫图片Regression（回归）与Classification（分类）Regression：函数的输出是一个数值例如：输入输入今天的PM2.5值、温度、臭氧量等，输出明天的PM2.5值Classification：函数的输出

目标检测项目-2

题目：《AnomalyGPT: Detecting Industrial Anomalies Using Large Vision-Language Models》，AnomalyGPT：利用大型视觉-语言模型检测工业异常， AAAI 2024 Oral日期：2023.12.28单位：中国科学院自动化研究所，中国科学院大学，中科视语(北京)科技有限公司，武汉人工智能研究院论文地址：https://