基于潜在空间矩阵的半监督异常检测

Semi-supervised anomaly detection based on latent space matrix

受异常图像检测中样本数据及检测的类别往往无法预知等限制,现有基于数据驱动的监督深度学习检测模型如YOLO、SSD往往有着较大局限性。针对这一问题提出一种潜在空间矩阵的半监督对抗网络结构来捕获异常区域信息。首先,在生成网络中使用自编码器将原始图像和重构图像编码成潜在空间矩阵;其次,使用鉴别网络用以区分真实图像和重构图像;最终,通过样本图像在潜在空间矩阵中得分值分布完成异常检测。所提方法在CIFAR10、MNIST和包裹X光违禁数据集上进行验证,实验结果表明与最先进的模型方法相比,该方法有更优越的分类精度和检测效果。