用于基于行驶噪声路面异常检测的高效非压缩自编码器
计算机视觉与模式识别
2022-02-07 v3 图像与视频处理
摘要
潮湿天气使路面形成水膜，该水膜导致轮胎与路面间摩擦降低。当车辆驶过低摩擦路面时，事故发生频率可比正常条件路面高出至多35%。为防止此类事故，实时识别路况至关重要。因此，我们提出一种基于卷积自编码器的异常检测模型，以同时占用更少计算资源并实现更高异常检测性能。所提模型采用非压缩方法，而非传统的瓶颈结构自编码器。结果，神经网络的计算成本降至传统模型的1/25，且异常检测性能提升达7.72%。因此，我们将所提模型视为实时异常检测的尖端算法。
引用
@article{arxiv.2111.10985,
title = {Efficient Non-Compression Auto-Encoder for Driving Noise-based Road Surface Anomaly Detection},
author = {YeongHyeon Park and JongHee Jung},
journal= {arXiv preprint arXiv:2111.10985},
year = {2022}
}
备注
8 pages, 5 figures, 6 tables