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
Source Publication自动化学报
ISSN0254-4156
2024
Volume50Issue:3Pages:640-648
Abstract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.
Keyword异常检测 流模型 层级感知 多尺度特征
DOI10.16383/j.aas.c230476
Citation statistics
Document Type期刊论文
Identifierhttp://ir.ia.ac.cn/handle/173211/55736
Collection学术期刊_自动化学报
Recommended Citation
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.
Files in This Item: Download All
File Name/Size DocType Version Access License
AAS-CN-2023-0476.pdf(32001KB)期刊论文出版稿开放获取CC BY-NC-SAView Download
Related Services
Recommend this item
Bookmark
Usage statistics
Export to Endnote
Google Scholar
Similar articles in Google Scholar
[毛国君]'s Articles
[吴星臻]'s Articles
[邢树礼]'s Articles
Baidu academic
Similar articles in Baidu academic
[毛国君]'s Articles
[吴星臻]'s Articles
[邢树礼]'s Articles
Bing Scholar
Similar articles in Bing Scholar
[毛国君]'s Articles
[吴星臻]'s Articles
[邢树礼]'s Articles
Terms of Use
No data!
Social Bookmark/Share
File name: AAS-CN-2023-0476.pdf
Format: Adobe PDF
All comments (0)
No comment.
 

Items in the repository are protected by copyright, with all rights reserved, unless otherwise indicated.