SAFE-OCC：一种用于卷积神经网络传感器的 novelty 检测框架及其在过程控制中的应用
最优化与控制
2022-02-07 v1 计算机视觉与模式识别
摘要
我们提出一种用于卷积神经网络(CNN)传感器的 novelty 检测框架，称之为传感器激活特征提取单类分类(SAFE-OCC)。我们表明该框架能够实现计算机视觉传感器在过程控制架构中的安全使用。新兴控制应用利用CNN模型将视觉数据映射为控制器可解释的状态信号。引入此类传感器带来了显著的系统运行脆弱性，因为CNN传感器在暴露于新颖(异常)视觉数据时可能表现出高预测误差。遗憾的是，实时识别此类新颖性并非易事。为解决此问题，SAFE-OCC框架利用CNN的卷积块构建有效特征空间，以使用所需的单类分类技术进行新颖性检测。该方法生成的特征空间与CNN传感器所使用的特征空间直接对应，且避免了推导独立潜空间的必要。我们通过模拟控制环境展示了SAFE-OCC的有效性。
引用
@article{arxiv.2202.01816,
title = {SAFE-OCC: A Novelty Detection Framework for Convolutional Neural Network Sensors and its Application in Process Control},
author = {Joshua L. Pulsipher and Luke D. J. Coutinho and Tyler A. Soderstrom and Victor M. Zavala},
journal= {arXiv preprint arXiv:2202.01816},
year = {2022}
}