文献类型：期刊文章

作　　者：吕承侃[1,2] 沈飞[1,2,3] 张正涛[1,2,3] 张峰[1,2,3]

LV Cheng-Kan;SHEN Fei;ZHANG Zheng-Tao;ZHANG Feng(Research Center of Precision Sensing and Control,Institute of Automation,Chinese Academy of Sciences,Beijing 100190;School of Artificial Intelligence,University of Chinese Academy of Sciences,Beijing 100049;CASI Vision Technology CO.,LTD.,Luoyang 471000)

机构地区：[1]中国科学院自动化研究所精密感知与控制研究中心,北京100190 [2]中国科学院大学人工智能学院,北京100049 [3]中科慧远视觉技术(洛阳)有限公司,洛阳471000

出　　处：《自动化学报》

基　　金：中国科学院青年创新促进会(2020139)资助。

年　　份：2022

卷　　号：48

期　　号：6

起止页码：1402-1428

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、EAPJ、EI、IC、JST、PUBMED、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：图像异常检测是计算机视觉领域的一个热门研究课题,其目标是在不使用真实异常样本的情况下,利用现有的正常样本构建模型以检测可能出现的各种异常图像,在工业外观缺陷检测、医学图像分析、高光谱图像处理等领域有较高的研究意义和应用价值.本文首先介绍了异常的定义以及常见的异常类型.然后,本文根据在模型构建过程中有无神经网络的参与,将图像异常检测方法分为基于传统方法和基于深度学习两大类型,并分别对相应的检测方法的设计思路、优点和局限性进行了综述与分析.其次,梳理了图像异常检测任务中面临的主要挑战.最后,对该领域未来可能的研究方向进行了展望.

关 键 词：图像异常检测  计算机视觉 深度学习  神经网络 背景重构  

分 类 号：TP391.41]