摘要
本发明涉及一种基于不对称自动编码器的异常子图检测方法,涉及异常检测技术与深度学习技术领域,包括以下步骤:构建背景图与异常图数据集;构建异常图检测网络模型;结合阈值判决方法进行异常图检测;性能评价。本发明的基于不对称自动编码器的异常子图检测方法,利用不对称自动编码对背景图邻接矩阵特征的学习能力和重构能力,结合传统异常子图检测中的阈值判决方法,使得该方法既具有阈值判决的灵活性,又具有深度学习方法的高效性,能够提高检测方法的适应性和灵活性;利用不对称自动编码器对背景图邻接矩阵使用轻量级编码器进行数据降维,使用四层解码器进行数据重构,能够提高检测方法的鲁棒性和准确性。
技术关键词
自动编码器网络
背景图
判决方法
解码器
数据
顶点
异常检测技术
检测网络模型
矩阵
深度学习方法
深度学习技术
判决阈值
重构误差
批量
系统为您推荐了相关专利信息
桥梁拉索护套
病害检测方法
语义分割模型
图像采集模块
构建卷积神经网络
知识图谱管理方法
关键词
曲线
工业知识图谱
索引
专用指令集处理器
极化码编译码
矢量寄存器堆
洗牌
矢量处理器
列车出入库
数据处理模块
相邻两帧图像
车速测量方法
图像采集模块