基于 SSA 优化的 ResNet50-BiGRU 图像异常检测与预测方案
计算机视觉与模式识别
2024-09-17 v3 机器学习
摘要
图像异常检测是近年来因计算快速发展而涌现出众多方法的热门研究方向。广泛采用人工智能进行图像异常检测。通过分析运动员的姿势与动作图像，可以预测伤病状态并提出必要的调整建议。大多数现有方法依赖卷积网络从无关的像素数据中提取信息，限制了模型的准确度。本文引入一种结合残差网络（ResNet）和双向门控循环单元（BiGRU）的网络，该网络能够从视频图像中分析肌肉和骨骼姿势的变化，预测潜在的伤病类型并提供预警。为解决该网络的高复杂度问题，采用 Sparrow 搜索算法进行优化。在四个数据集上的实验表明，我们的模型在图像异常检测方面的误差最小，适应性强。这为图像异常检测和预测分析提供了新方法，为人类健康与性能的可持续发展作出了贡献。
引用
@article{arxiv.2406.13987,
title = {Image anomaly detection and prediction scheme based on SSA optimized ResNet50-BiGRU model},
author = {Qianhui Wan and Zecheng Zhang and Liheng Jiang and Zhaoqi Wang and Yan Zhou},
journal= {arXiv preprint arXiv:2406.13987},
year = {2024}
}