[发明专利]一种基于监督式生成对抗网络的异常图像检测方法有效
| 申请号： | 201811368737.3 | 申请日： | 2018-11-16 |
| 公开（公告）号： | CN109584221B | 公开（公告）日： | 2020-07-28 |
| 发明（设计）人： | 罗长志;郑军 | 申请（专利权）人： | 聚时科技(上海)有限公司 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06N3/04;G06N3/08 |
| 代理公司： | 上海科盛知识产权代理有限公司 31225 | 代理人： | 翁惠瑜 |
| 地址： | 200082 上海市杨浦区*** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于监督式生成对抗网络的异常图像检测方法，该方法包括以下步骤：1)获取待检测图片；2)将所述待检测图片输入一训练好的Supervised GANomaly模型，获得对应的异常类别信任值；3)判断所述异常类别信任值是否大于一异常类别判别阈值，若是，则判定为异常图像，若否，则判定为正常图像；所述Supervised GANomaly模型包括生成网络、编码网络、判别网络和分类网络，其中，所述生成网络、编码网络和判别网络用于学习正常样本的特征分布，分类网络用于区分正常样本和异常样本。与现有技术相比，本发明具有能够有效地将正常样本和异常样本区分开、鲁棒性好等优点。 | ||
| 搜索关键词： | 一种 基于 监督 生成 对抗 网络 异常 图像 检测 方法 | ||
【主权项】：
1.一种基于监督式生成对抗网络的异常图像检测方法，其特征在于，该方法包括以下步骤：1)获取待检测图片；2)将所述待检测图片输入一训练好的Supervised GANomaly模型，获得对应的异常类别信任值；3)判断所述异常类别信任值是否大于一异常类别判别阈值，若是，则判定为异常图像，若否，则判定为正常图像；所述Supervised GANomaly模型包括生成网络、编码网络、判别网络和分类网络，在训练时，所述生成网络、编码网络和判别网络用于学习正常样本的特征分布，分类网络用于区分正常样本和异常样本；在应用时，由分类网络输出异常类别信任值。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于聚时科技(上海)有限公司，未经聚时科技(上海)有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811368737.3/，转载请声明来源钻瓜专利网。
