一种基于生成模型的异常检测方法及系统技术方案

本发明专利技术公开了一种基于生成模型的异常检测方法及系统，获得第一样本数据集合；构建生成器，将所述第一样本数据集合输入生成器，通过第一编码器进行第一样本数据集合的低维特征提取，通过第二编码器进行第一低维特征提取结果的低维特征向量约束，将约束后的第一低维特征提取结果通过解码器解码，通过判别器进行第一重构样本集合的真实性判断，获得第一待检测数据；将第一待检测数据输入所述生成器，获得第一重构数据，根据第一待检测数据和第一重构数据的残差值进行异常检测判断。解决了现有技术在进行异常检测过程中，对于样本需求量大，缺陷样本数据量少且标注费时费力，导致异常检测成本高，检测效果不佳的技术问题。检测效果不佳的技术问题。检测效果不佳的技术问题。

【技术实现步骤摘要】
一种基于生成模型的异常检测方法及系统


[0001]本专利技术涉及异常检测相关领域，尤其涉及一种基于生成模型的异常检测方法及系统。

技术介绍

[0002]随着科技的快速发展，产品的生产和制造工艺也在不断的完善和提升，对产品的质量也有了更高的要求。不合格的产品会对企业声誉和效益以及用户的生命财产安全带来较大的影响，因此对产品质量进行准确的检测至关重要。
[0003]现阶段在进行异常检测的过程中，一般采用基于监督学习的目标检测方法，已达到较好的性能，但是由于基于监督学习的目标检测方法对数据有较高的需求，而在实际的工业生产场景中由于缺陷数量较少，获取缺陷以及标注缺陷费时费力，还存在缺陷样本与正常样本类别不均衡问题。由于数据问题，基于监督学习的目标检测方法在解决缺陷检测任务时存在不少困难。
[0004]但在实现本申请中专利技术技术方案的过程中，发现上述技术至少存在如下技术问题：
[0005]现有技术在进行异常检测过程中，对于样本需求量大，缺陷样本数据量少且标注费时费力，导致异常检测成本高，检测效果不佳的技术问题。

技术实现思路

[0006]本申请通过提供一种基于生成模型的异常检测方法及系统，解决了现有技术在进行异常检测过程中，对于样本需求量大，缺陷样本数据量少且标注费时费力，导致异常检测成本高，检测效果不佳的技术问题，达到降低对于样本数据量的需求，缓解类别不均衡的问题，实现在控制时间和人力成本的同时，提高异常检测准确性的技术效果。
[0007]鉴于上述问题，提出了本申请提供一种基于生成模型的异常检测方法及系统。
[0008]第一方面，本申请提供了一种基于生成模型的异常检测方法，所述方法包括：获得第一样本数据集合；构建生成器，其中，所述生成器包括第一编码器、解码器；将所述第一样本数据集合输入所述生成器，通过所述第一编码器进行所述第一样本数据集合的低维特征提取，获得第一低维特征提取结果；通过第二编码器进行所述第一低维特征提取结果的低维特征向量约束，将约束后的所述第一低维特征提取结果通过所述解码器解码，获得第一重构样本集合；通过判别器进行所述第一重构样本集合的真实性判断，获得第一判断结果；当所述第一判断结果的输出结果满足第一预设阈值时，获得第一待检测数据；将所述第一待检测数据输入所述生成器，获得第一重构数据，根据所述第一待检测数据和所述第一重构数据的残差值进行异常检测判断。
[0009]另一方面，本申请还提供了一种基于生成模型的异常检测系统，所述系统包括：第一获得单元，所述第一获得单元用于获得第一样本数据集合；第一构建单元，所述第一构建单元用于构建生成器，其中，所述生成器包括第一编码器、解码器；第二获得单元，所述第二
获得单元用于将所述第一样本数据集合输入所述生成器，通过所述第一编码器进行所述第一样本数据集合的低维特征提取，获得第一低维特征提取结果；第三获得单元，所述第三获得单元用于通过第二编码器进行所述第一低维特征提取结果的低维特征向量约束，将约束后的所述第一低维特征提取结果通过所述解码器解码，获得第一重构样本集合；第一判别单元，所述第一判别单元用于通过判别器进行所述第一重构样本集合的真实性判断，获得第一判断结果；第四获得单元，所述第四获得单元用于当所述第一判断结果的输出结果满足第一预设阈值时，获得第一待检测数据；第一检测单元，所述第一检测单元用于将所述第一待检测数据输入所述生成器，获得第一重构数据，根据所述第一待检测数据和所述第一重构数据的残差值进行异常检测判断。
[0010]第三方面，本专利技术提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现第一方面任一项所述方法的步骤。
[0011]本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：
[0012]由于采用了获得第一样本数据集合；将所述第一样本数据集合输入生成器，通过生成器中的第一编码器进行所述第一样本数据集合的低维特征提取，通过第二编码器进行低维特征提取结果向量约束，将约束后的所述第一低维特征提取结果通过所述解码器解码，获得第一重构样本集合；通过判别器进行所述第一重构样本集合的真实性判断，获得第一判断结果；当生成模型的输出结果稳定后，将所述第一待检测数据输入所述生成器，获得第一重构数据，根据所述第一待检测数据和所述第一重构数据的残差值进行异常检测判断。达到降低对于样本数据量的需求，缓解类别不均衡的问题，实现在控制时间和人力成本的同时，提高异常检测准确性的技术效果。
[0013]上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
[0014]图1为本申请一种基于生成模型的异常检测方法的流程示意图；
[0015]图2为本申请一种基于生成模型的异常检测方法的第一编码器的架构示意图；
[0016]图3为本申请一种基于生成模型的异常检测方法的解码器的结构示意图；
[0017]图4为本申请一种基于生成模型的异常检测方法的判别器的架构示意图；
[0018]图5为本申请一种基于生成模型的异常检测系统的结构示意图；
[0019]图6为本申请一种电子设备的结构示意图。
[0020]附图标记说明：第一获得单元11，第一构建单元12，第二获得单元13，第三获得单元14，第一判别单元15，第四获得单元16，第一检测单元17，电子设备50，处理器51，存储器52，输入装置53，输出装置54。
具体实施方式
[0021]本申请通过提供一种基于生成模型的异常检测方法及系统，解决了现有技术在进行异常检测过程中，对于样本需求量大，缺陷样本数据量少且标注费时费力，导致异常检测
成本高，检测效果不佳的技术问题，达到降低对于样本数据量的需求，缓解类别不均衡的问题，实现在控制时间和人力成本的同时，提高异常检测准确性的技术效果。下面结合附图，对本申请的实施例进行描述。本领域普通技术人员可知，随着技术的发展和新场景的出现，本申请提供的技术方案对于类似的技术问题，同样适用。
[0022]本申请的说明书和权利要求书及上述附图中的术语“第一”、第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的术语在适当情况下可以互换，这仅仅是描述本申请的实施例中对相同属性的对象在描述时所采用的区分方式。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，以便包含一系列单元的过程、方法、系统、产品或设备不必限于那些单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它单元。
[0023]申请概述
[0024]当前在工业领域智能化的缺陷检测中主流已的技术还是基于监督学习的方法，如Faster
‑
RCNN、MSCNN等，但基于监督学习的方法对于数据量要求极大，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于生成模型的异常检测方法，其特征在于，所述方法包括：获得第一样本数据集合；构建生成器，其中，所述生成器包括第一编码器、解码器；将所述第一样本数据集合输入所述生成器，通过所述第一编码器进行所述第一样本数据集合的低维特征提取，获得第一低维特征提取结果；通过第二编码器进行所述第一低维特征提取结果的低维特征向量约束，将约束后的所述第一低维特征提取结果通过所述解码器解码，获得第一重构样本集合；通过判别器进行所述第一重构样本集合的真实性判断，获得第一判断结果；当所述第一判断结果的输出结果满足第一预设阈值时，获得第一待检测数据；将所述第一待检测数据输入所述生成器，获得第一重构数据，根据所述第一待检测数据和所述第一重构数据的残差值进行异常检测判断。2.如权利要求1所述的方法，其特征在于，所述第一编码器由残差网络构成，且所述第一编码器的前两层结构的每层均只包含一个卷积层和LeakyReLU函数，所述第二编码器和所述第一编码器的网络结构和参数一致。3.如权利要求1所述的方法，其特征在于，所述判别器的前两层结构的每层均只包含一个卷积层和LeakyReLU函数，而后连接5个DeBlock块。4.如权利要求1所述的方法，其特征在于，所述方法还包括：计算所述生成器的重构损失，计算公式如下：L
recon
＝||x，G
De
(G
en
(x))||1其中，L
recon
为重构损失，G
De
为解码器，G
en
为第一编码器，根据计算获得的所述重构损失进行所述生成器的优化补偿。5.如权利要求4所述的方法，其特征在于，所述方法还包括：计算所述生成器的编码损失，计算公式如下：其中，L
latent
为编码损失，z为第一样本数据集合的低维特征向量，为第一重构样本集合的低维特征向量；根据所述重构损失和所述编码损失，计算获得所述生成器的总损失函数，计算公式如下：L
G
＝λ
recon
L
recon
+λ

【专利技术属性】
技术研发人员：齐飞，司马攀科，李天翔，陶倩，石光明，梅辉，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：