基于区域优先级的自编码器异常检测

近来，自编码器除用于压缩外，还被证明在重建相似图像或辅助图像去噪方面颇为有用。其亦在少数情形下被探索用于异常检测。然而，由于卷积神经网络的位置不变性，自编码器倾向于从完整图像中学习或搜索已学特征。当图像中所有物体并非同等重要且位置有意义时，这会产生问题。针对此类情形，提出了一种半监督解决方案——基于区域优先级的自编码器（RPAE）。在该模型中，类似于目标检测模型，区域提议网络将图像中的相关区域识别为预定义类别之一，随后这些边界框依据所属类别被送入相应的解码器。最后，根据各解码器的重要性合并其误差分数，给出总重建误差。