CASIA OpenIR  > 学术期刊  > 自动化学报
基于多尺度流模型的视觉异常检测研究
毛国君; 吴星臻; 邢树礼
发表期刊自动化学报
ISSN0254-4156
2024
卷号50期号:3页码:640-648
摘要针对现有异常检测(Anomaly detection, AD)模型计算效率低和检测性能差等问题,提出一种多尺度流模型(Multi-scale normalizing flow, MS-Flow),通过多尺度交叉融合实现高效的视觉图像异常识别.具体地,在流模型(Normalizing flow, NF)内部构建层级式的多尺度架构来避免多通道数据的冗余交叉计算,同时保证网络的多尺度表达能力.此外,设计的层级感知模块通过逐层级的多粒度特征融合,在细粒度级别表达多尺度特征,有效地提高分布估计的精确性.该方法是一个平衡检测精度与计算效率的解决方案.在两个公开数据集上的实验表明,所提方法相较于以往的检测模型能够获得更高的检测精度(在MVTec AD和BTAD数据集上的平均AUROC (Area under the receiver operating characteristics)分别为99.7%和96.0%),同时具有更高的计算效率,浮点运算次数(Floating point operations, FLOPs)约为CS-Flow的1/8.
关键词异常检测 流模型 层级感知 多尺度特征
DOI10.16383/j.aas.c230476
引用统计
文献类型期刊论文
条目标识符http://ir.ia.ac.cn/handle/173211/55736
专题学术期刊_自动化学报
推荐引用方式
GB/T 7714
毛国君,吴星臻,邢树礼. 基于多尺度流模型的视觉异常检测研究[J]. 自动化学报,2024,50(3):640-648.
APA 毛国君,吴星臻,&邢树礼.(2024).基于多尺度流模型的视觉异常检测研究.自动化学报,50(3),640-648.
MLA 毛国君,et al."基于多尺度流模型的视觉异常检测研究".自动化学报 50.3(2024):640-648.
条目包含的文件
文件名称/大小 文献类型 版本类型 开放类型 使用许可
AAS-CN-2023-0476.pdf(32001KB)期刊论文出版稿开放获取CC BY-NC-SA浏览
个性服务
推荐该条目
保存到收藏夹
查看访问统计
导出为Endnote文件
谷歌学术
谷歌学术中相似的文章
[毛国君]的文章
[吴星臻]的文章
[邢树礼]的文章
百度学术
百度学术中相似的文章
[毛国君]的文章
[吴星臻]的文章
[邢树礼]的文章
必应学术
必应学术中相似的文章
[毛国君]的文章
[吴星臻]的文章
[邢树礼]的文章
相关权益政策
暂无数据
收藏/分享
文件名: AAS-CN-2023-0476.pdf
格式: Adobe PDF
所有评论 (0)
暂无评论
 

除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。