基于深度卷积自编码器的加油机 PCB 改动的影像检测
计算机视觉与模式识别
2022-10-10 v2 人工智能
机器学习
摘要
本文提出一种基于照片检测已组装印刷电路板改动的方法，照片在透视与光照条件未严格控制下拍摄。该问题的一个实例是加油机 PCB 的视觉检测，其可能被意图欺骗顾客或逃税的欺诈者改动。鉴于非受控环境及海量可能改动，我们将该问题作为异常检测案例处理，提出一种针对该场景特征的方法，同时亦适用于其他类似应用。所提方法采用深度卷积自编码器，训练其重建未改动电路板的图像，但对显示改动的图片仍无法同样重建。通过比较输入图像与其重建结果，可按像素级分割异常与改动。在代表真实场景构建的数据集（我们将公开提供）上的实验表明，在考虑的场景中，我们的方法优于其他 SOTA 异常分割方法，同时在通用物体异常检测任务的热门 MVTec-AD 数据集上取得可比结果。
引用
@article{arxiv.2210.00100,
title = {Image-Based Detection of Modifications in Gas Pump PCBs with Deep Convolutional Autoencoders},
author = {Diulhio Candido de Oliveira and Bogdan Tomoyuki Nassu and Marco Aurelio Wehrmeister},
journal= {arXiv preprint arXiv:2210.00100},
year = {2022}
}