基于局部异常数据提升全局异常检测性能的方法及系统

摘要

本发明提出一种基于局部异常数据提升全局异常检测性能的方法及系统，涉及异常检测的技术领域，基于双向生成对抗网络异常检测模型学习正常训练图像数据的概率分布，同时输入模型的还有异常图像数据，即可收集的局部异常数据融入至正常训练图像数据的概率分布学习过程中，使得学习过程可明确感知到异常数据的存在，避免学习到的概率分布赋予异常数据较高的概率值，保证最终学习到的概率分布更准确地刻画正常数据真实分布，通过构建的异常感知目标函数对异常图像数据的感知能力约束其被分配较低的概率值，使得异常样本能够通过重构误差的判断，被显著地区分开来，提升检测效果及性能，且基于异常感知目标函数，能检测出训练集当中出现的新颖异常。