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 |