公开(公告)号：CN113222972A

公开(公告)日：2021-08-06

申请号：CN202110599501.6

申请日：2021-05-31

Applicant: 辽宁工程技术大学

Inventor： 金海波 ,  马琳琳 ,  田桂源

IPC: G06T7/00 ,  G06K9/62

Abstract: 本发明提供一种基于变分自编码器算法的图像异常检测方法，涉及计算机技术领域。本发明使用变分自编码器进行重构概率的异常检测，可以发现异常的数据。变分自编码器是一类重要的生成模型，它结合了变分推理和深度学习的概率图形模型。因为用一种概率合理的方式降维，所以理论基础是牢固的。VAE相对于自动编码器优势在于，它提供了一个概率度量，而不是作为异常分数的重构误差，我们将其称为重构概率。概率比重建误差更具原则性和客观性，并且不需要模型特定的阈值来判断异常。

公开(公告)号：CN113222972B

公开(公告)日：2024-03-19

申请号：CN202110599501.6

申请日：2021-05-31

Applicant: 辽宁工程技术大学

Inventor： 金海波 ,  马琳琳 ,  田桂源

IPC: G06T7/00 ,  G06V10/77 ,  G06V10/774

Abstract: 本发明提供一种基于变分自编码器算法的图像异常检测方法，涉及计算机技术领域。本发明使用变分自编码器进行重构概率的异常检测，可以发现异常的数据。变分自编码器是一类重要的生成模型，它结合了变分推理和深度学习的概率图形模型。因为用一种概率合理的方式降维，所以理论基础是牢固的。VAE相对于自动编码器优势在于，它提供了一个概率度量，而不是作为异常分数的重构误差，我们将其称为重构概率。概率比重建误差更具原则性和客观性，并且不需要模型特定的阈值来判断异常。

公开(公告)号：CN114464201A

公开(公告)日：2022-05-10

申请号：CN202210125478.1

申请日：2022-02-10

Applicant: 辽宁工程技术大学

Inventor： 沈学利 ,  田桂源 ,  马琳琳

IPC: G10L21/02 ,  G10L25/30

Abstract: 本发明公开了一种基于注意力机制和卷积神经网络的单通道语音增强方法，包括训练阶段和增强阶段：训练阶段：首先将噪声与纯净语音合成带噪语音，接着对带噪语音进行特征提取，然后将纯净语音与特征提取后的带噪语音一并送入神经网络模型中学习带噪语音和纯净语音之间的映射关系，训练阶段结束后，将训练好的模型保存下来；增强阶段：首先对带噪语音进行特征提取，然后送入训练好的模型中进行语音增强，最后输出增强后的语音。本发明的基于注意力机制和卷积神经网络的单通道语音增强方法可直接在时域上对带噪语音进行增强，不但可以节省傅里叶变换的计算时间还可以尽可能的保留增强语音的相位信息，能取得较好的降噪效果。