-
题名基于改进GANomaly的织物疵点检测
- 1
-
-
作者
黄楚雯
祝双武
田乐
刁宇涵
赵妍
-
机构
西安工程大学
-
出处
《上海纺织科技》
2025年第6期6-12,19,共8页
-
基金
陕西省教育厅科研计划项目(18JS042)
中国纺织工业联合会科技指导性项目(2019057)。
-
文摘
针对含疵点的纺织样本和带有标记的疵点数据难以获得和影响织物疵点检测精确率的问题,提出一种基于改进GANomaly网络的无监督织物疵点检测方法。该方法在原来GANomaly模型的基础上,在网络中加入了一种由掩模卷积层和通道注意模块组成的新型神经块,可更准确地提取出织物图像中的组织纹理特征,再通过改进数据集预处理的方法,实现图像重构效果提升。比对该异常图像与修复后正常图像间的差异,并对计算差值后的图像进行二值化分割,可获得更好的织物疵点检测效果。采用改进后的算法对AITEX数据集中的平纹、斜纹和缎纹3类织物进行检测,F_(1)分数分别为0.91、0.94、0.93,可知将该方法应用于纺织产品数据集中的织物疵点检测效果得到有效提升。
-
关键词
织物
纹理特征
疵点检测
无监督学习
GANomaly
图像重构
自监督预测卷积注意力块
-
Keywords
fabric
texture feature
defect detection
unsupervised learning
GANomaly
image reconstruction
sspcab
-
分类号
TS101.9
[轻工技术与工程—纺织工程]
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于上下文信息和MLE机制的视频异常检测算法
- 2
-
-
作者
焦雪
高立青
-
机构
太原理工大学经济与管理学院
-
出处
《现代电子技术》
北大核心
2025年第9期8-14,共7页
-
基金
国家自然科学基金项目(72004154)。
-
文摘
针对现有的视频异常检测方法缺乏对前景对象的自主选择性,使模型对背景等无关信息的敏感性增加,进而导致重构或预测误差与前景目标数量成正比,造成误报的问题,提出一种基于上下文信息和最大局部误差机制的视频异常检测算法。该算法设计了一种基于生成对抗网络的检测框架,并提出SSPCAB-UNet生成器模型,通过在UNet中加入自监督预测卷积关注块来增强模型对局部特征和全局上下文信息的理解能力,减少对无关信息的关注,从而降低了误报的可能性。此外,使用最大局部误差机制来关注局部异常区域的预测程度,缓解因前景目标数量增多造成的较大预测误差问题。通过双模块的协同工作可以有效减少由于缺乏对前景对象的自主选择性而产生的误报问题。所提方法在CUHK Avenue、UCSD Ped2和Shanghai Tech三个数据集上的检测精度分别达到87.5%、98.2%和75.4%,验证了所提模型的有效性。
-
关键词
异常检测
自监督预测卷积关注块
最大局部误差机制
自动编码器
深度学习
生成对抗网络
-
Keywords
anomaly detection
sspcab
MLE mechanism
autoencoder
deep learning
GAN
-
分类号
TN911.73-34
[电子电信—通信与信息系统]
TP391
[自动化与计算机技术—计算机应用技术]
-
