cfa_for_anomaly_localization
时间: 2023-08-06 13:02:42 浏览: 74
CFA(Coupled Spherical Feature Adaptation)是一种基于耦合超球面的特征适应方法,用于完成复杂的异常定位任务。CFA包括以下几个关键组成部分:可学习的补丁描述符、可扩展的内存库和迁移学习。补丁描述符是通过学习和嵌入目标数据集的特征来获得的,它可以用于区分异常特征。内存库是一个与目标数据集大小无关的可扩展存储空间,用于存储从正常样本中获取的特征。CFA利用迁移学习来增加正常特征的密度,以便更好地应用于可训练的CNN(卷积神经网络),从而实现异常特征的区分。在训练阶段,CFA使用存储库中的记忆特征作为中心创建耦合超球,通过对比监督的方式进行训练。在测试阶段,CFA将测试样本与存储库中搜索的最近邻进行匹配,并生成表示异常程度的热图。\[1\]\[2\]\[3\]
#### 引用[.reference_title]
- *1* *2* *3* [CFA: Coupled-hypersphere-based Feature Adaptation for Target-Oriented Anomaly Localization](https://blog.csdn.net/DYCAHGCDX/article/details/127789527)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item]
[ .reference_list ]