检索结果-南通市图书馆

检索条件"主题词=表征压缩"

共 1 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于图像重建的无监督异常检测算法研究

基于图像重建的无监督异常检测算法研究

引用

作者：葛棒棒天津大学

学位级别：硕士

在工业缺陷检测、医学图像诊断和遥感高光谱图像分析等多个领域,异常样本是分析的重点。但是在实际应用过程中,受限于异常样本数量少和种类多的问题,构建基于监督学习的异常检测模型极为困难。因此,无监督异常检测方法应运而生,并且成... 详细信息

在工业缺陷检测、医学图像诊断和遥感高光谱图像分析等多个领域,异常样本是分析的重点。但是在实际应用过程中,受限于异常样本数量少和种类多的问题,构建基于监督学习的异常检测模型极为困难。因此,无监督异常检测方法应运而生,并且成为计算机视觉领域的一个热门研究方向。无监督的图像异常检测旨在利用正常样本构建模型,并在测试阶段检测出与正常样本存在显著性差异的异常样本,可以有效避免异常样本数量少和种类多的问题,具有极高的应用价值。目前,重建式异常检测方法是无监督图像异常检测方法中最为典型的代表。然而,受限于浅层特征干扰问题和网络表达能力过强等问题,现阶段的重建式异常检测方法还无法满足实际应用场景的需要。本文聚焦于重建式异常检测方法,针对上述两种问题开展研究:(1)针对浅层特征干扰的问题,本文提出了一种基于表征变换感知的无监督异常检测方法。首先,对输入图像进行仿射变换,并引入两个额外的解码器,在内容和结构两个层面预测给定的随机变换,学习正常图像的变换可检测特征。通过变换预测学习,该特征包含高级的语义信息和丰富的内在属性信息,基本解决了浅层特征干扰问题。进一步地,本文提出变换一致性约束用于保证学习输入图像与生成的图像之间的属性一致性,进一步提升正常图像的重建质量。通过在缺陷数据集MVTec-AD和语义数据集CIFAR10上的对比实验验证了本文所提出的方法的有效性和泛化性。(2)针对网络表达能力过强的问题,本文提出了一种基于表征压缩的无监督异常检测方法。首先,该算法通过特征量化器对编码器隐空间特征进行离散化,去除隐空间特征冗余,获得正常样本的有效压缩特征。通过量化压缩的方式约束网络的过表达能力,增强正常样本和异常样本的表达差异,引导异常图像的重建偏向于正常,增大异常图像的重建误差。其次,在训练过程中采用跳层连接,通过增强不同层次的隐空间的特征复用,保证正常图像的重构质量。本方法同时满足了异常检测表达差异化及重建清晰化两个要求,有效缓解了网络的过表达能力。在两个公共数据集MVTec AD数据集和CIFAR10数据集的实验表明了本文方法可以有效缓解网络表达能力过强的问题,提高了无监督异常检测的性能。

关键词：图像异常检测异常样本图像重建图像变换表征压缩

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

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

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

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

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：