基于双判别器的GANomaly异常检测方法研究

摘要

在异常检测领域中，生成对抗网络（Generative Adversarial Nets, GAN）和自编码器（Autoencoder, AE）近年来取得了较好的应用效果。然而，现有的基于GAN的异常检测模型普遍存在重构能力差的问题。针对于此，该文提出一种双判别器的GANomaly网络模型，其中，全局判别器用于提高图像的重构能力，局部判别器用于提高在空间层次的编码能力。分别在MvTec数据集和自制轮胎X光图像数据集上对文中所提方法进行验证，实验结果表明，该方法能够有效提升模型的重构能力，降低异常分数阈值，提高异常检测的准确率。

关键词

异常检测 / 深度学习 / 双判别器 / 生成对抗网络

基金资助

辽宁省教育厅面上项目（LJKMZ2022061）; 辽宁省自然科学基金（2022-KF-14-022）