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！

摘要：本发明涉及自动驾驶中通过对齐多频谱跨域特征检测图像异常的方法，所述检测图像异常的方法主要包括以下步骤：步骤1，在始化特征提取器G、多频谱特征融合模块M、分类器C和域判别器D的基础上构建神经网络；步骤2，计算源域中心点μs和目标域的中心点μt；步骤3，获取源域样本与目标域样本的输出；步骤4，计算源域样本模型预测和目标域样本模型预测输出与真实标签的类别损失步骤5，计算对于本批次源域样本模型和目标域样本模型预测输出与真实标签的域对抗损失等；本发明所述检测图像异常的方法通过在跨域的基准测试集上进行了广泛的实验，最终的结果显示所提出的MsRA方法与现有其它先进的AUROC方法相比，在模型的迁移性能上有着显著的提升。

主权项：1.一种自动驾驶中通过对齐多频谱跨域特征检测图像异常的方法，其特征在于，所述检测图像异常的方法包括以下步骤：步骤1，在初始化特征提取器G、多频谱特征融合模块M、类别分类器C和域判别器D的基础上构建神经网络，包括以下步骤：步骤1.1，使用在ImageNet上预训练的ResNet-50网络模型作为特征提取器G，删除ResNet-50的全局平均池化层；步骤1.2，采用全连接层将特征提取器G尺寸减小至256维；步骤1.3，设计多频谱特征融合模块M集成来自不同频谱分量的信息，并在特征提取器G后面分别接入类别分类器C、域判别器D、中心聚类模块；步骤2，计算源域中心点μs和目标域的中心点μt；步骤3，获取源域样本与目标域样本的输出，包括以下步骤：步骤3.1，随机采样小批次的数量为B的源域样本与目标域样本步骤3.2，并将源域样本和目标域样本输入至特征生成器G中获得相应的特征表示；步骤3.3，再将生成的特征表示分别输入类别判别器C、域判别器D及中心聚类模块，而后得到相应的输出，其中，目标域样本数量远小于源域样本的数量；步骤4，计算源域样本模型预测和目标域样本模型预测输出与真实标签的类别损失步骤5，计算对于本批次源域样本模型和目标域样本模型预测输出与真实标签的域对抗损失步骤6，计算对于本批次源域样本模型和目标域样本模型预测输出与真实标签的样本间的距离损失如下式5： 上式5中：||·||2代表L2正则化，μs和μt分别是源域和目标域的中心点；步骤7，计算整个模型的总体损失如下式6， 上式6中，α，β是两个用于平衡损失的参数；步骤8，实现源域样本和目标域样本的对齐；步骤9，重复步骤2至步骤8，直至迭代次数达到最大；步骤10，在测试阶段，计算出所有正常实例的特征中心μ；步骤11，计算测试样本的异常分数

全文数据：

权利要求：

百度查询： 北京理工大学 自动驾驶中通过对齐多频谱跨域特征检测图像异常的方法