【摘 要】
：
图像异常检测是计算机视觉领域的一个热门研究课题,其目标是在不使用真实异常样本的情况下,利用现有的正常样本构建模型以检测可能出现的各种异常图像,在工业外观缺陷检测,医学图像分析,高光谱图像处理等领域有较高的研究意义和应用价值.本文首先介绍了异常的定义以及常见的异常类型.然后,本文根据在模型构建过程中有无神经网络的参与,将图像异常检测方法分为基于传统方法和基于深度学习两大类型,并分别对相应的检测方法的
论文部分内容阅读
图像异常检测是计算机视觉领域的一个热门研究课题,其目标是在不使用真实异常样本的情况下,利用现有的正常样本构建模型以检测可能出现的各种异常图像,在工业外观缺陷检测,医学图像分析,高光谱图像处理等领域有较高的研究意义和应用价值.本文首先介绍了异常的定义以及常见的异常类型.然后,本文根据在模型构建过程中有无神经网络的参与,将图像异常检测方法分为基于传统方法和基于深度学习两大类型,并分别对相应的检测方法的设计思路、优点和局限性进行了综述与分析.其次,梳理了图像异常检测任务中面临的主要挑战.最后,对该领域未来
其他文献
在胚胎发育过程的研究中，胚胎各阶段的形态特征是评价其发育优劣的重要依据，用于指导胚胎体外培养体系的优化和改进。本文为胚胎长时程培养设计了一种基于“低倍搜寻、高倍观察”策略的在线监测系统。首先，针对胚胎在发育过程中体积不断增大的情况，本系统配置了4倍相差、10倍和20倍霍夫曼调制相衬三种光学模块，以满足不同视场的观察需求；通过光机系统匹配设计、误差控制和装调试验，保证了成像光学分辨率，并获得了胚胎的
密西西比河谷型铅锌矿床是世界上最重要的铅锌储库之一,成因备受关注.然而,由于成矿温度低,矿床极少发育合适的放射性同位素定年矿物,矿床定年问题一直是困扰其研究的一个世界性难题.文章针对中国西部三江铅锌成矿带思茅盆地内厂硐铅锌矿床开展工作,通过容矿岩石中孢粉化石的定年间接限定了其成矿年龄,进而讨论了其成矿构造背景.厂硐矿床的铅锌矿化主要赋存在地下水成因古喀斯特溶洞的内沉积层中,闪锌矿和方铅矿以交代内沉
边界框回归分支是深度目标跟踪器的关键模块,其性能直接影响跟踪器的精度.评价精度的指标之一是交并比(Intersection over Union, IoU).基于IoU的损失函数取代了?_n-norm损失成为目前主流的边界框回归损失函数,然而IoU损失函数存在两个固有缺陷:一个是当预测框与真值框不相交时IoU为常量0,无法梯度下降更新边界框的参数;另一个是在IoU取得最优值时其梯度不存在,边界框很
纳米复合水凝胶(nanocomposite hydrogels, NC)作为人工软骨修复材料有很大的应用价值和吸引力.由于NC水凝胶具有与天然软骨细胞外基质(extracellular matrix, ECM)相似的结构,以及较好的力学性能、刺激响应性等优势,是软骨修复的理想支架材料.本综述详细介绍了用于人工软骨的NC水凝胶的最新研究进展,并按其成分加以分类,同时,介绍了其新型制备方法及使用范围,
针对现有图像去雾方法因空间上下文信息丢失而无法准确估计大尺度目标特征,导致图像结构被破坏或去雾不彻底等问题,本文提出了一种基于误差回传机制的多尺度去雾网络.网络由误差回传多尺度去雾群组(Error-backward Multi-scale Dehazing Group, EMDG)、门控融合模块和优化模块组成.其中EMDG包括误差回传模块和雾霾感知单元,误差回传模块度量相邻尺度网络特征图之间的差异
针对非刚性运动和大位移场景下运动遮挡检测的准确性与鲁棒性问题,本文提出一种基于光流与多尺度上下文的图像序列运动遮挡检测方法.首先,设计基于扩张卷积的多尺度上下文信息聚合网络,通过图像序列多尺度上下文信息获取更大范围的图像特征;然后,采用特征金字塔构建基于多尺度上下文与光流的端到端运动遮挡检测网络模型,利用光流优化非刚性运动和大位移区域的运动遮挡信息;最后,构造基于运动边缘的网络模型训练损失函数,获
人体姿态估计是近年来人机交互领域的热点话题。当前，常见的人体姿态估计方法集中在通过增加网络的复杂性来提高精度，却忽视了模型的效益问题，导致模型在实际应用中精度高但是计算资源消耗巨大。本文针对这一问题设计了一个基于全局姿态感知的轻量级人体姿态估计模型，它在MSCOCO数据集上精度达到68.2%AP，速度保持在255FPS，参数量和FLOPS仅为OpenPose方法的10%和0.9%。在人体姿态估计任
以地震为代表的构造运动在地球地貌演化中起着根本性的作用,其过程包括同震抬升或沉降和地震滑坡侵蚀.地震诱发的滑坡向河流输送大量的松散物质,可造成流域物质输移通量成倍增加,且持续时间可达几十年或更久.在暴露新鲜岩石的同时,地震滑坡还剥蚀植被和土壤,这些作用都极大地影响着区域的碳输移.越来越多的研究尝试量化地震对地表过程影响的通量、速率和演化方式,但目前对这类高强度事件对地表过程的影响强度、幅度和趋势仍
针对外集卡到达时间的不确定性，提出自动堆垛起重机(ASC)作业序列的动态优化，以减少作业完成时间和设备等待时间为目的，提高自动化码头堆场作业效率。首先，结合混堆模式下集装箱作业类型与外集卡动态到达的特点，提出ASC动态匹配外集卡作业任务的策略；其次，构建ASC作业时间与外集卡和ASC等待时间最短的多目标模型；最后，设计基于动态规则的非支配排序遗传算法Ⅱ (DRNSGA Ⅱ)作为求解算法。在小规模算
针对单一长短时记忆网络在航迹预测上无法有效提取关键信息及难以精准拟合数据分布等问题，提出基于注意力机制和生成对抗网络的飞行器短期轨迹预测模型。首先，引入注意力机制对航迹赋予不同的权重，提升航迹中重要特征的影响力；其次，基于长短时记忆网络提取航迹序列特征，经汇聚层汇集时间步长内所有的飞行器特征；最后，利用生成对抗网络在对抗博弈下不断优化的特性，提高模型的准确性。相较于社会对抗网络，所提模型在处于爬升