免費論文查重認準CNKI論文查重，專為高校論文檢測、畢業(yè)論文查重、碩士論文查重誕生的論文檢測入口平臺，CNKI論文查重系統(tǒng)涵蓋海量的數(shù)據(jù)庫，為畢業(yè)生解決各種煩惱，論文查重軟件免費為各種有論文檢測、論文查重需求的人提供，論文查重認準CNKI查重！
發(fā)布時間：2023-02-16 23:01:47 作者：學術(shù)小編 來源：www.derer.cn
異常檢測，從定義而言就是一種識別不正常情況與挖掘非邏輯數(shù)據(jù)的技術(shù)，也叫outliers。. 例如在計算機視覺的應(yīng)用中，有人在抖音發(fā)表一個視屏，在邊騎車邊打電話，那這就是個不符合規(guī)范的視屏，我們能否采用一些方式來將其檢測出來，再例如在數(shù)據(jù)挖掘領(lǐng)域中，那異常檢測的應(yīng)用就更廣泛了，比如信用卡盜刷，超大金額支出等等。. 通常情況下，在我們閱讀論文的過程中，異常檢測 (Anomaly Detection)也被叫做，Novelty Detection，Outlier Detection，F(xiàn)orgery Detection，Out-of-distribution Detection。. 在閱讀論文的情況，這些名詞也有輕微的區(qū)別，以計算機視覺為例，如下圖所示。.
異常檢測涉及的場景非常豐富，那么異常檢測算法可以從哪些角度進行分類呢？ 一般可以從以下四個角度作區(qū)分： 首先可以根據(jù)該場景的異常是否與時間維度相關(guān)。 在時序相關(guān)問題中，我們假設(shè)異常的發(fā)生與時間的變化相關(guān)，比如一個人平時的信用卡消費約為每月5000元，但11月的消費達到了10000元，那這種異常的出現(xiàn)就明顯與時間維度相關(guān)，可能是因為”萬惡“的雙十一。
視頻中的異常檢測是一個具有挑戰(zhàn)性的計算機視覺問題。 由于訓練時缺乏異常事件，異常檢測需要設(shè)計沒有完全監(jiān)督的學習方法。 這篇論文主要是通過object-level的自監(jiān)督多任務(wù)學習解決視頻中的異常檢測問題，是第一個在這個問題上提出使用多任務(wù)學習方法的工作。
目前最常用于異常檢測的深度學習方法要非 Autoencoder 莫屬了。 Autoencoder 的中文名叫自編碼器，由 Encoder（編碼器）和 Decoder（解碼器）兩部分構(gòu)成，如下圖： 左邊部分為編碼器，它可以把高維的輸入壓縮成低維的形式來表示，在此過程中，神經(jīng)網(wǎng)絡(luò)會盡量留下有用的信息，去除掉一些不重要的信息和噪聲。
