VAE-iForest:基于自编码重建与隔离机制的路面坠落物异常检测
计算机视觉与模式识别
2022-03-03 v1
摘要
在道路监测中,尽早检测路面变化以防止对第三方造成损害是一个重要问题。坠落物的目标可能是因洪水或地震等外力导致的倒树,以及从斜坡滚落的落石。生成式深度学习能够灵活检测路面上坠落物的异常。我们原型化了一种将自编码重建与基于隔离的异常检测器相结合的方法,应用于路面监测。实际上,我们将该方法应用于一组测试图像,这些图像中原始输入添加了落石和胶合板等坠落物,且冬季路面上覆盖有积雪。最后我们提及了面向实际应用未来的工作。
引用
@article{arxiv.2203.01193,
title = {VAE-iForest: Auto-encoding Reconstruction and Isolation-based Anomalies Detecting Fallen Objects on Road Surface},
author = {Takato Yasuno and Junichiro Fujii and Riku Ogata and Masahiro Okano},
journal= {arXiv preprint arXiv:2203.01193},
year = {2022}
}
备注
5 pages, 9 figures, 3 tables