科研之友
微信
新浪微博
Facebook
分享链接
摘要
铁路线轨道道床上异物的准确监测对列车安全行驶具有重要意义。利用深度学习基于重构的无监督异常检测算法可以解决异常数据不足对检测的影响，但编码器“泛化”能力过于强大，能够很好地重建异常样本，影响其检测精度。针对此问题，本文提出了一种基于图像修复的无砟轨道道床的异常检测算法。首先，利用Inpainting思想对图像进行掩码，通过不完整的非异常图像训练来对图像进行修复重建，以此来提高模型对其上下文的语义理解，增强模型的重建能力；其次，在测试时，采用测试图像与重建图像在多尺度下的平均异常图最大值作为重构误差来计算异常分数，扩大异常图像与正常图像的重构误差的界限；最后，实验表明，所提出的算法在公开数据集MNIST、CIFAR-10及无砟轨道道床数据集上均优于其他方法。
- 单位
