机构名称：
¥ 1.0
摘要 异常检测对于工业自动化和零件质量保证非常重要，虽然人类可以通过几个例子轻松检测出零件中的异常，但设计一个能够达到或超过人类能力的通用自动化系统仍然是一个挑战。在这项工作中，我们提出了一种简单的新异常检测算法，称为 FADS（基于特征的异常检测系统），该算法利用预训练的卷积神经网络 (CNN) 通过观察卷积滤波器的激活来生成标称输入的统计模型。在推理过程中，系统将新输入的卷积滤波器激活与统计模型进行比较，并标记超出预期值范围的激活，因此可能是异常。通过使用预训练网络，FADS 表现出与其他机器学习异常检测方法相似或更好的出色性能，同时 FADS 不需要调整 CNN 权重。我们通过检测增材制造晶格的自定义数据集上的工艺参数变化来展示 FADS 的能力。 FADS 定位算法表明，表面上可见的纹理差异可用于检测工艺参数变化。此外，我们在基准数据集（例如 MVTec 异常检测数据集）上测试了 FADS，并报告了良好的结果。
用于智能的特征异常检测系统（FADS）...
主要关键词
相关文件推荐
