深度嵌入式自编码器

显著超越SOTA

自适应聚类与智能样本选择策略使其在无标注场景下比现有无监督方法更稳定准确。

Huang, Xuan · Hailin, Tang

International Journal of Computational Intelligence Systems 2025

技术优势

无标注也能用

模型无需任何标注训练数据即可自动识别异常，省去人工标注成本。

智能选样，训练更稳

训练时优先选取高置信度的正常样本，提高模型对噪声和异常比例的鲁棒性。

不同异常比例都有效

实验表明模型在异常样本占比变化时性能稳定，适合真实场景中未知的异常分布。

应用场景

• 工业质检中的异常检测：无需缺陷样本标注即可上线质检，自动发现产品表面或装配异常。
• 医疗影像异常识别：在缺乏标注的医学图像中辅助识别病灶或异常组织，减轻医生负担。
• 安防监控异常预警：对监控视频流自动预警异常事件，无需人工持续盯屏。