基于深度學(xué)習(xí)網(wǎng)絡(luò)的遙感圖像異常檢測方法研究

摘要： 針對現(xiàn)實(shí)世界中異常圖像數(shù)據(jù)稀少的數(shù)據(jù)不均衡問題，構(gòu)建了一個(gè)高性能的異常檢測模型.僅使用正常訓(xùn)練數(shù)據(jù)和小部分仿真異常數(shù)據(jù)，構(gòu)建了兩階段框架的異常檢測模型.通過對正常數(shù)據(jù)和模擬生成的異常數(shù)據(jù)進(jìn)行分類訓(xùn)練，得到提取特征的ResNet-18編碼器模型，通過高斯密度估計(jì)對正常數(shù)據(jù)的特征建模，構(gòu)建異常圖像的單分類器. Grad-CAM擴(kuò)展了模型，使得異常檢測模型可以在沒有標(biāo)簽的情況下定位異...