买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：倪丹丹;许彩娥;干红华

摘要：本发明公开了一种两阶段的基于生成对抗网络的图像异常检测方法，该方法构建了卷积神经网络和三条并行的多尺度卷积流组成的图像特征提取模块用于获取输入图像的图像特征；并将得到的图像特征输入到带有AttentionGate的生成器中，使生成器生成与原始图像尽可能相似的重建图像，再将重建图像和原始图像共同输入到鉴别器中，得到由每一张测试图像的异常分数所组成的异常分数向量，将其归一化处理后通过比较异常分数的数值大小来区分正常图像和异常图像，本发明在模型的训练阶段只使用正常图像来进行训练，在测试阶段则使用正常和异常图像进行测试，可有效解决目前异常检测方法中异常样本数量与正常样本数量高度不平衡而导致的检测精度较低的问题。

主权项：1.一种两阶段的基于生成对抗网络的图像异常检测方法，其特征在于，包括以下步骤：步骤一：获取正常图像与异常图像，并将图像划分为训练集和测试集，所述训练集中只包含正常图像，所述测试集中包含正常图像和异常图像；步骤二：构建卷积神经网络与多尺度特征提取模块相结合的图像特征提取模块，通过图像特征提取模块获取训练集的图像特征和测试集的图像特征，多尺度特征提取模块为三条并行的多尺度卷积流；步骤三：使用skip-GANomaly这种生成对抗网络作为模型，将其中的生成器UNet完整替换为AttentionUNet中带有AttentionGate的生成器；步骤四：在训练阶段，将步骤二中训练集得到的图像特征输入到步骤三的生成器中，得到重建图像，再将重建图像和原始图像共同输入到鉴别器中，利用损失函数来训练生成器和鉴别器；步骤五：在测试阶段，将步骤二中测试集得到的图像特征输入到步骤三的生成器中，得到重建图像，再将重建图像和原始图像共同输入到鉴别器中，得到由每一张测试图像的异常分数所组成的异常分数向量，并将它们归一化到[0,1]范围内，以便于后续的比较；步骤六：利用步骤五所得到的异常分数的数值大小来区分正常图像和异常图像，从而实现图像异常检测。

全文数据：

权利要求：

百度查询： 倪丹丹 许彩娥 干红华 一种两阶段的基于生成对抗网络的图像异常检测方法