检索结果-南通市图书馆

广东工业大学学报 2024年

作者：邝永年王丰丁克广东工业大学信息工程学院佛山显扬科技有限公司

针对视频异常行为检测难题，本文提出一种基于掩蔽卷积和外部注意力机制的卷积神经网络检测算法模型。一方面，通过掩蔽卷积限制有效卷积区域使神经网络高效学习，以此生成对正常行为特征有效的正态化建模。另一方面，通过结合轻量化的... 详细信息

针对视频异常行为检测难题，本文提出一种基于掩蔽卷积和外部注意力机制的卷积神经网络检测算法模型。一方面，通过掩蔽卷积限制有效卷积区域使神经网络高效学习，以此生成对正常行为特征有效的正态化建模。另一方面，通过结合轻量化的外部注意力机制，提高对感兴趣区域的建模质量。针对重构或预测架构的卷积神经网络，添加特征重构损失函数，提高视频异常行为检测的检测正确率。实验结果表明，在Avenue数据集、UCSD-Ped1数据集以及UCSD-Ped2数据集上，本文的检测方法分别提高了2.86%、2.54%以及0.56%的视频异常行为检测正确率。

关键词：视频异常行为检测掩蔽卷积外部注意力自监督学习

来源：

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于知识蒸馏和特征重构的异常检测

基于知识蒸馏和特征重构的异常检测

引用

作者：孙恺悦河北大学

学位级别：硕士

异常检测通常被视为单类分类任务,其目标是识别输入样本是否接近给定正常样本的分布。目前使用范围最广且最具代表性的异常检测方法是基于重构的异常检测方法,该类方法的基本思想是:仅使用正常样本对模型进行训练,模型在测试阶段无法对... 详细信息

异常检测通常被视为单类分类任务,其目标是识别输入样本是否接近给定正常样本的分布。目前使用范围最广且最具代表性的异常检测方法是基于重构的异常检测方法,该类方法的基本思想是:仅使用正常样本对模型进行训练,模型在测试阶段无法对异常样本进行高质量重构或无法为异常样本生成有效的特征表示,因此采用重构误差对异常样本进行检测。基于重构的异常检测方法通常采用结构复杂的深度神经网络对高维数据进行学习,而深度神经网络往往具备较好的泛化性能,使得异常样本的特征也能被较好地重构,即在异常样本上产生较小的重构误差,进而导致检测性能下降。此外,基于重构的异常检测方法在对图像进行重构或获取其特征表示的过程中,往往错误地关注图像中的冗余特征,如图像背景中的干扰项等,显著降低了模型的检测性能。为了解决上述问题,本文对基于知识蒸馏和特征重构的异常检测方法开展了研究,主要工作包含以下两个方面:1.提出了基于知识蒸馏和掩蔽卷积的异常检测方法(Anomaly detection based on knowledge distillation and masked convolution,MConv＿KD),将多分辨率知识蒸馏模型和自监督预测卷积注意力模块相结合,蒸馏多级特征表示并通过掩蔽卷积的方式重构特征表示,促进学生网络更好地学习正常样本局部特征的全局排列,为正常样本生成高质量的特征表示却难以为异常样本生成有效特征表示,最终显著增加了学生网络和教师网络对于异常样本的表示差异。所提方法在3个不同类型的数据集MNIST、CIFAR-10和MVTec AD的AUROC值分别达到了99.7%、90.2%和89.6%,取得了优于相关方法的检测性能。2.提出了基于知识蒸馏和三维注意力机制的异常检测方法(Anomaly detection based on knowledge distillation and three-dimensional attention,Attention＿RKD),将反向知识蒸馏模型和三维注意力机制相结合,利用反向结构设计阻止异常信息传递到学生网络,并通过基于视觉神经科学知识设计的能量函数,为每个神经元分配注意力权重,使学生网络聚焦于包含判别信息的重要特征而忽略冗余特征。反向知识蒸馏模型和三维注意力机制的结合成功地优化了学生网络,使其在正常样本上取得了较小的重构误差且在异常样本上取得了较大的重构误差。在3个具有不同分辨率的数据集STL-10、CIFAR-10和MVTec AD上进行了实验,其AUROC值分别达到了79.4%、86.6%和99.0%,取得了优于相关方法的检测性能。

关键词：异常检测知识蒸馏特征重构掩蔽卷积注意力机制

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：