来源：期刊VIP网 时间：
作者：郑仲星;刘伟铭;
单位：华南理工大学土木与交通学院;
摘要：针对现有基于无监督的地铁轨道异物检测算法中，对不同视角需要进行单独训练模型的问题，提出一种基于快速扩散生成模型的统一模型检测算法。该模型基于扩散模型，在仅使用正常样本训练一个模型的条件下，实现对多个视角异物入侵检测。检测时，扩散模型对存在异物的图像部分重构为无异物，然后将重构图像和原图进行比对得出存在异物的位置。研究发现，通过合理设计扩散步长和采样时刻，扩散模型能够在不需要扩散过程的情况下，直接对图像中的异常部分进行重构，使其和正常样本一致。为加速扩散模型的采样生成过程，在求解扩散模型的常微分方程的解过程中，分解方程中线性与非线性部分，对线性部分精确求解而对非线性部分进行近似求解。在不添加其他检测网络的条件下，算法利用扩散模型中深度神经网络的编码器部分，对重构图像和原图进行特征提取，在不同尺度上对比两者特征差异，由此得到异常热力图。实验结果表明，该模型在仅需要4次神经网络前馈的条件下，受试者曲线下面积积分比在图像级别和像素级别上分别达到99.05%和97.62%,相比其他单一视角检测模型性能上达到较优水平。本研究为地铁轨道异物检测提出一种仅依赖于正常样本的统一模型的检测算法，能够行之有效地解决已有算法不能对多个视角进行检测的问题。
关键词：地铁;;轨道;;异物入侵检测;;扩散模型;;统一检测模型;;异常检测;;深度学习
基金资助：国家“十三五”重点研发计划先进轨道交通重点专项(2016YFB1200402)
