[发明专利]一种基于生成对抗网络的图像异常检测方法

说明书

本发明公开了一种基于生成对抗网络的图像异常检测方法，是综合考虑正常图像和异常图像的特征，并通过生成对抗模型生成异常图像和检测异常图像，其步骤包括：获取训练数据集并构造隐含空间；构造生成网络，得到生成图片集合；构造编码网络，得到生成图片集合在隐含空间上的映射；通过判别网络和检测网络并构造共享参数；由所述生成网络、所述编码网络、网络判别网络和检测网络构成生成对抗网络并进行对抗训练。本发明能够充分利用异常数据以及正常数据之间的关系生成对抗网络用于检测异常图像，从而有效的确定正常数据边界，并提高异常检测的精度。

技术领域

本发明涉及异常检测领域，具体地说是一种基于生成对抗网络的图像异常检测方法。

背景技术

图像中的异常检测是指不符合预期正常类的图像的经典问题。其数据特点表现为异常图像样本足，现有数据中正常图像远多于异常样本。随着技术和需求的迅速发展，异常检测出现在不同应用领域，这些应用领域包括安全监控、流量监控、医学图像疾病诊断等众多应用。

图像异常检测的关键是对正常图像和异常图像的分布进行建模，这些图像通常具有高维性和复杂性。近年来，生成对抗模型在图像复杂模式的建模和合成中显示出良好的效果。利用生成对抗模型对正常图像的数据分布进行建模，用于异常检测，已经做了初步的尝试。然而，所有现有的模型集中于发现正常模式。如何利用生成对抗模型来更好地区分正常模式和异常模式之间的边界的问题仍然需要探索，尤其是在异常图像非常有限的情况下。

发明内容

本发明是为了避免上述现有技术所存在的问题，提出了一种基于生成对抗网络的图像异常检测方法，以期能够充分利用异常数据以及正常数据之间的关系生成对抗网络用于检测异常图像，从而有效的确定正常数据边界，并提高异常检测的精度。

本发明为解决技术问题采用如下技术方案：

本发明一种基于生成对抗网络的图像异常检测方法的特点是按如下步骤进行：

步骤1、获取训练图像数据集I并构造隐含空间Z：

步骤1.1、获取训练图像数据集I：

获取真实的异常图像集，记为X＝{x₁,x₂,...,x_i,...,x_N}，其中x_i表示第i张异常图像，i＝1,2,...,N，N为异常图像的总数；

获取真实的正常图像集，记为Y＝{y₁,y₂,...,y_j,...,y_M}，其中y_j表示第j张正常图像，j＝1,2,...,M，M为正常图像的总数；且M＞＞N；

令I＝{X,Y}表示训练图像数据集；

步骤1.2、构造隐含空间Z：

在[-0.1,0.1]范围内的均匀分布上构造隐含空间Z，以z表示所述隐含空间Z上的任意一个隐含空间向量；

步骤2、构造生成网络G，得到生成图像集合

步骤2.1、设定所述生成网络G的隐含层总层数为k_G；令当前隐含层为第h_G层；

步骤2.2、初始化h_G＝1；

步骤2.3、根据式(1)计算隐含空间向量z在第h_G层隐含层的输出从而得到隐含空间Z上所有隐含空间向量在第h_G层隐含层的输出：