基于 SIFT 与 SURF 的特征提取用于异常检测
计算机视觉与模式识别
2023-05-01 v2 人工智能
摘要
本文提出了一种利用 SIFT 和 SURF 算法提取图像特征以进行异常检测的方法。我们使用这些特征向量，在真实世界数据集上以半监督（含少量故障样本）方式使用大量分类器、以及以单类（无故障样本）方式使用 SVDD 和 SVM 分类器进行训练。我们证明了 SIFT 和 SURF 算法可用作特征提取器，可用于训练半监督和单类分类器且准确率约为 89%，并且单类分类器的性能可与半监督分类器相媲美。我们还将数据集和源代码公开可用。
引用
@article{arxiv.2203.13068,
title = {SIFT and SURF based feature extraction for the anomaly detection},
author = {Simon Bilik and Karel Horak},
journal= {arXiv preprint arXiv:2203.13068},
year = {2023}
}
备注
28th Conference STUDENT EEICT 2022, Brno University of Technology