用于基于KNN的异常检测的特征加权

一种用于从对象图像进行异常检测的方法和系统。特征提取器提供表征包括好部件和坏部件的部件图像的特征数据。使用好部件的训练数据来创建k最近邻(k‑NN)模型核集合。特征数据包括数百个特征向量，每个特征向量具有数百个滤波器维度。权重值一最初被分配给每个滤波器，并且包括一些好的和一些坏的部件的测试数据由加权的k‑NN模块评估以根据加权的特征数据确定异常分数。在评估所有测试图像之后，选择最接近阈值的好和坏数据点，并且执行梯度上升计算以更新滤波器权重。迭代地执行异常打分和梯度上升，直到识别出使好的和坏的分数之间的间隔最大化的滤波器权重，由此消除遗漏检测和假异常。