公开(公告)号：CN114724043B

公开(公告)日：2022-09-02

申请号：CN202210649810.4

申请日：2022-06-08

Applicant: 南京理工大学

Inventor： 练智超 ,  李竞择 ,  李敏

IPC: G06V20/10 ,  G06V10/30 ,  G06V10/74 ,  G06V10/77 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开一种基于对比学习的自编码器异常检测方法，首先对输入的正常样本进行编码特征提取；构建并更新特征存储模块；通过多尺度噪声和纹理数据集添加异常扰动，生成异常样本；对异常样本数据进行多组增强操作，并与正常样本结合，制作出对比学习框架所需的负样本对；通过自编码器对异常样本重构，根据对比损失计算图像重构前后误差；在检测阶段，获得与训练数据相似的重构；通过评估系统确定输入数据是否含有异常并定位，得到最终的异常检测结果。本发明利用对比学习的特点，通过异常嵌入模块和自编码器来构建合理的正负样本对，同时，特征存储模块使得检测过程中更好地重构正常样本并抑制异常数据重构，有效提高了异常检测的效果。

公开(公告)号：CN114724043A

公开(公告)日：2022-07-08

申请号：CN202210649810.4

申请日：2022-06-08

Applicant: 南京理工大学

Inventor： 练智超 ,  李竞择 ,  李敏

IPC: G06V20/10 ,  G06V10/30 ,  G06V10/74 ,  G06V10/77 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开一种基于对比学习的自编码器异常检测方法，首先对输入的正常样本进行编码特征提取；构建并更新特征存储模块；通过多尺度噪声和纹理数据集添加异常扰动，生成异常样本；对异常样本数据进行多组增强操作，并与正常样本结合，制作出对比学习框架所需的负样本对；通过自编码器对异常样本重构，根据对比损失计算图像重构前后误差；在检测阶段，获得与训练数据相似的重构；通过评估系统确定输入数据是否含有异常并定位，得到最终的异常检测结果。本发明利用对比学习的特点，通过异常嵌入模块和自编码器来构建合理的正负样本对，同时，特征存储模块使得检测过程中更好地重构正常样本并抑制异常数据重构，有效提高了异常检测的效果。