公开(公告)号：CN110827265B

公开(公告)日：2023-04-07

申请号：CN201911079051.7

申请日：2019-11-07

Applicant: 南开大学

Inventor： 蔡祥睿 ,  丁晓珂 ,  周宝航 ,  张莹 ,  袁晓洁

IPC: G06T7/00 ,  G06V10/764 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0455 ,  G06N3/094

Abstract: 一种面向图片数据集的基于深度学习的图片异常检测方法。本发明方法是利用正常的图片类别数据作为输入数据，构建基于深度学习的图片异常检测模型，包含两个子模块，一个表示模块用于学习正常类别的图片数据集的特征，一个检测模块用于预测输入图片属于异常图片类别的概率，还使用置信度估计来提高预测准确率，两个模块采用对抗式训练方法，表示模块可以更好的学习到正常类别图片数据集的特征，检测模块则可以给出置信度更高更准确的预测结果。对于异常检测领域的四个常用数据集，本发明的方法克服了异常类别图片种类繁多难以收集的问题，只需要正常类别的图片作为训练数据，同时效果显著优于目前现有的其他面向图片数据集的异常检测方法。

公开(公告)号：CN110827265A

公开(公告)日：2020-02-21

申请号：CN201911079051.7

申请日：2019-11-07

Applicant: 南开大学

Inventor： 蔡祥睿 ,  丁晓珂 ,  周宝航 ,  张莹 ,  袁晓洁

IPC: G06T7/00 ,  G06N3/08

Abstract: 一种面向图片数据集的基于深度学习的图片异常检测方法。本发明方法是利用正常的图片类别数据作为输入数据，构建基于深度学习的图片异常检测模型，包含两个子模块，一个表示模块用于学习正常类别的图片数据集的特征，一个检测模块用于预测输入图片属于异常图片类别的概率，还使用置信度估计来提高预测准确率，两个模块采用对抗式训练方法，表示模块可以更好的学习到正常类别图片数据集的特征，检测模块则可以给出置信度更高更准确的预测结果。对于异常检测领域的四个常用数据集，本发明的方法克服了异常类别图片种类繁多难以收集的问题，只需要正常类别的图片作为训练数据，同时效果显著优于目前现有的其他面向图片数据集的异常检测方法。