【技术实现步骤摘要】
本专利技术涉及计算机视觉，特别涉及一种基于对比学习的图像异常检测方法及系统。
技术介绍
1、异常检测是一种数据分析技术，用于识别数据中与大多数数据显著不同的数据点或行为模式。这些不寻常的数据点通常指示了某种问题或异常情况。本专利技术致力于解决有关图像的异常检测问题；异常检测的关键在于定义何为“正常”，因为只有在定义了正常数据的行为后，才能识别出与之显著不同的异常数据。这个定义可以是基于统计学的方法，也可以是基于机器学习模型的预测行为；随着深度学习技术的发展，基于神经网络的异常检测方法，已经变得越来越流行。
2、现代异常检测方法包括两大范式：基于特征嵌入的方法和基于生成模型的方法；这些方法通常在训练中只依赖正常数据，都属于无监督学习的范畴；然而，这些无监督方法大都只关注正常数据，当异常样本与正常样本在特征空间中相近时，这些方法往往难以有效地区分它们。
3、因此，研究一种可以有效区别异常样本和正常样本的对比学习的图像异常检测方法及系统具有重要意义和价值。
技术实现思路
...
【技术保护点】
1.一种基于对比学习的图像异常检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于对比学习的图像异常检测方法，其特征在于，在基于图像块的样本生成策略对所述训练样本进行处理，得到正样本和负样本，这一步骤中，具体包括以下步骤：
3.根据权利要求1所述的一种基于对比学习的图像异常检测方法，其特征在于，所述判别网络包括网络结构各异的判别网络Student部分和判别网络Autoencoder部分；
4.根据权利要求1所述的一种基于对比学习的图像异常检测方法，其特征在于，在训练异常检测模型的过程中，固定所述特征提取网络的参数。
5.根...
【技术特征摘要】
1.一种基于对比学习的图像异常检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于对比学习的图像异常检测方法，其特征在于，在基于图像块的样本生成策略对所述训练样本进行处理，得到正样本和负样本，这一步骤中，具体包括以下步骤：
3.根据权利要求1所述的一种基于对比学习的图像异常检测方法，其特征在于，所述判别网络包括网络结构各异的判别网络student部分和判别网络autoencoder部分；
4.根据权利要求1所述的一种基于对比学习的图像异常检测方法，其特征在于，在训练异常检测模型的过程中，固定所述特征提取网络的参数。
5.根据权利要求1所述的一种基于对比学习的图像异常检测方法，其特征在于，在所述根据所述第一训练深度特征和所...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。