一种基于特征正则约束的异常检测方法

• 作者: 何小海 刘强 王正勇 邓描 陈洪刚
• 来源期刊: 四川大学学报（自然科学版）
• 学科: 工学
• 关键词: 异常检测 自动编码器 概率密度估计器 自回归
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 计算机科学
• 页码范围: 1077-1083
• 页数: 7页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.3969/j.issn.0490-6756.2020.06.009

摘要

异常检测是计算机视觉的一个经典问题.针对异常样本稀少在真实场景中异常很难被捕捉,且标签难以获取,提出一种仅用正常样本进行训练的端到端异常检测模型.首先,通过自动编码器对输入图像进行编码,得到它的低维特征;然后,用一个自回归概率密度估计器对低维特征的概率分布进行正则约束,解码器再将其恢复至原始输入大小;最后,使用一个分类器来判断生成图片的真假.编解码器之间使用了跳线连接,能够最大限度地提高该模型对正常样本的记忆能力.本文在CIFAR-10和UCSD Ped2数据集上进行了实验,测试结果显示,CI-FAR-10总共10个类别的平均曲线下面积(AUC)达到73.5％,UCSD Ped2的平均曲线下面积(AUC)达到95.7％.结果证明,该模型能够明显提高异常检测的效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何小海		395	2334	21.0	30.0
2	王正勇		126	539	12.0	17.0
3	刘强		66	449	13.0	19.0
4	邓描		1	0	0.0	0.0
5	陈洪刚		9	16	3.0	4.0