-
题名基于改进MGFN的实验室不安全行为异常检测
- 1
-
-
作者
李政
陈亮
王珺琳
-
机构
沈阳理工大学自动化与电气工程学院
-
出处
《通信与信息技术》
2025年第1期46-50,共5页
-
基金
辽宁省教育厅高等学校基本科研项目青年项目(项目编号:1030040000668)
沈阳理工大学引进高层次人才项目(项目编号:1010147001228)。
-
文摘
针对高校化学实验室人员不安全行为异常检测任务,多示例学习方法广为使用,但传统的多示例学习方法在复杂场景识别时存在低精度等问题,提出了一种基于MGFN异常行为识别模型的改进方法。由于MGFN模型在复杂的化学实验室场景中对信息的关注度不够,出现误检和漏检的问题,首先,引入时间上下文聚合模块(TCA)替换原网络的扫描块(Global Block)和聚集块(Focus Block),并与原网络特征放大机制(FAM)进行融合,形成新的特征聚合模块F-TCA,使用多尺度特征融合策略,能够捕捉不同尺度下的重要信息。然后,引入瓶颈注意力机制(BAM),通过通道和空间注意力机制,能够选择性地增强重要的特征区域,抑制不重要的部分,从而提高特征的有效性和判别力。实验结果表明,在自制实验室异常行为数据集上,改进方法在AUC方面提高了4.3%,为实验室监管提供了一种更加智能和高效的解决方案,从而有望降低事故风险。
-
关键词
行为异常检测
MGFN
f-tca
注意力机制
-
Keywords
Behavior anomaly detection
MGFN
f-tca
Attention mechanism
-
分类号
TN915
[电子电信—通信与信息系统]
-
