技術名稱 基於深度學習之異常檢測
計畫單位 國立清華大學
計畫主持人 賴尚宏
技術簡介
我們針對不同應用所研發的三種異常檢測模型僅需正常資料來訓練。對異常事件偵測,我們訓練一個自編碼器進行前景與光流的預測,異常行為偵測使用人物姿勢的估測,預測未來的人體姿勢,兩者皆以預測的誤差為異常分數。對於影像的瑕疵檢測,我們使用不同大小的截圖,令模型萃取特徵後與正常資料比對,以計算各區域的異常分數。
科學突破性
"影片異常偵測:使用前景與光流,使模型可以專注於重要資訊,不受背景的影響。_x000D_
人物行為異常偵測:使用關鍵點的信心分數加權,使最初步驟取得人物關鍵點時,被遮擋的關鍵點不影響網路模型。_x000D_
圖片瑕疵檢測:多種大小的補丁使網路模型可以同時學習大範圍與小範圍的資訊,並使用多種聚類方法與
產業應用性
"產品的品質優劣攸關企業的競爭力,然而工廠能提供的瑕疵樣本數量有限,這會大幅降低一般深度學習分類方法的效果,因此本研究的圖片瑕疵檢測就是一個可能的解方。_x000D_
另一方面,工廠人員的異常活動可能導致生產的效率下降,甚至引發危險,因此自動化的監控系統極為重要,可以在違規行為發生時提出警示或是即時
媒合需求
天使投資人、策略合作夥伴
關鍵字 影片異常偵測 光學瑕疵偵測 影像異常偵測 人體動作異常偵測 深度學習 人體姿態估測 圖卷績網路 視訊監控
備註
  • 聯絡人
  • 吳宗軒
其他人也看了