一种面向多种类数据的异常检测方法及装置

    公开(公告)号:CN113052203B

    公开(公告)日:2022-01-18

    申请号:CN202110181592.1

    申请日:2021-02-09

    Abstract: 本发明公开了一种面向多种类数据的异常检测方法及装置。所述面向多种类数据的异常检测方法通过训练对抗学习网络,使对抗学习网络中的生成器拟合正常训练样本的分布以及学习正常训练样本的潜在模式,得到更新的对抗学习网络,根据训练过程中产生的重构误差构造更新的对抗学习网络中的异常评价函数,并将更新的对抗学习网络构建为异常检测模型,以利用异常检测模型对输入的检测数据进行异常检测,得到异常检测结果。本发明基于传统生成对抗学习模型的异常检测方法,通过引入模式分类器的思想,有效解决了检测数据与正常数据分布相近时异常检测难的问题,进一步提高了异常检测的准确性。

    机器人移动拍摄条件下管廊螺栓缺失视觉识别方法

    公开(公告)号:CN118918364A

    公开(公告)日:2024-11-08

    申请号:CN202410944213.3

    申请日:2024-07-15

    Abstract: 本发明公开了一种机器人移动拍摄条件下管廊螺栓缺失视觉识别方法,所述方法对螺栓缺失视觉识别数据集的红色通道进行校正,采用中值滤波器和DnCNN组合模型去除脉冲噪声和高斯噪声,在此基础上,对模糊图像进行灰度变换计算、倒频谱压缩运算和居中化对的操作,对得到的图像进行边缘检测运算、Radon变换,正确估计模糊角度;通过利用一阶差分自相关和倒谱三维图的峰值对称性,计算峰值和模糊角度;对模糊参数构造点扩散函数,使用Richason‑Lucy算法对模糊图像进行多次迭代,从而进行图像复原。将训练集和验证集输入改进的Yolov8模型中,以证明所构建模型的有效性。本发明可达到提高计算效率和预测精度的目的。

Patent Agency Ranking