成果基本信息

所属产业领域：机器学习、计算机视觉、医工交叉

成果联系人：黄博士

联系电话：13163056962

是否先试用后付费：面议

成果介绍

通过利用提取的正常特征库将异常检测问题转化为稀疏特征表示问题，解决小样本学习下欠拟合问题。引入正交匹配追踪的异常分数计算方法，采用正交匹配追踪算法计算测试特征在正常特征空间中的稀疏表示，根据测试特征与其稀疏表示之间的高斯核距离来有效反映异常水平，扩展正常样本空间的范围，增强在小样本情况下的泛化能力；综合考虑最大覆盖标准和最大线性无关准则，设计低冗余基特征采样方法，提升异常检测的鲁棒性和时效性。

图1 基于稀疏表征学习的小样本工业异常检测方法（SFRAD）框架图

图2 在工业质检数据集MVTec AD上的检测结果