基于全嵌套编码-解码网络的异常检测模型OA北大核心
A fully-nested encoder-decoder framework for anomaly detection
工程应用中往往异常样本匮乏,监督学习方法无法应用.针对这一问题,本文提出了一种只需要正常样本就可进行训练的深度网络模型——基于全嵌套编码-解码器的异常图像检测模型.该模型由一个生成器和一个判别器构成.生成器包含嵌入残差结构的编码-解码网络,具有很好的特征表达和图像重构能力.判别器是一个分类网络,用以鉴别输入是否为真实的正常样本.本文在标准数据集CIFAR-10和工业设备部件数据集上进行了对比实验,实验结果表明本文提出的异常检测模型具有更高的检测精度.
张学武
中铁第一勘察设计院集团有限公司,陕西西安710043
信息技术与安全科学
异常检测编码-解码残差网络生成-对抗网络
《西安理工大学学报》 2022 (1)
89-95,7
2018年度科技重大专项基金资助项目(18-A02)
评论