تشخيص ناهنجاري مبتني بر GAN در تصاوير اسكن اشعه ايكس كانتينري

اصفهان : دانشگاه صنعتي اصفهان

مهندسي برق

كارشناسي ارشد

با توسعه تجارت ميان كشورها و گسترش قاچاق نياز به كنترل و بازرسي مبادي ورودي هر منطقه مطرح مي‌شود. از جمله دستگاه‌‌هاي مورد استفاده در روند بازرسي، دستگاه بازرسي مبتني بر اشعه ايكس ميباشد. بازرسي بصري تصاوير اسكن اشعه ايكس محموله و تشخيص تصاوير داراي تهديد و قاچاق توسط اپراتورها كاري وقت گير و هزينه بر است. بنابراين تحقيقات در حوزه تجزيه و تحليل خودكار تصاوير اسكن اشعه ايكس گسترش يافته است. استفاده از الگوريتم‌هاي يادگيري ماشين مي‌تواند عملكرد تشخيص و سرعت پاسخ اپراتور را بهبود دهد. مشكل عمده اين الگوريتم‌ها نياز گسترده به تصاوير داراي تهديد براي آموزش شبكه‌ها است. در حالي كه چنين مجموعه داده‌هاي بزرگي به علت تنوع تصاوير داراي تهديد و ماهيت امنيتي موضوع به راحتي قابل دسترس نيستند. به همين دليل در اين پايان‌نامه يك روش تشخيص ناهنجاري بدون نظارت ارائه مي‌شود تا دسته‌اي از موارد قاچاق را به عنوان داده‌هاي ناهنجار به طور خودكار تشخيص بدهد. تشخيص ناهنجاري جزء مسائل كليدي در حوزه يادگيري ماشين و هوش مصنوعي محسوب مي‌شود كه در حوزه‌ها و كاربردهاي مختلف از جمله تشخيص تقلب در ماليات، تشخيص ناهنجاري در شبكه‌هاي كامپيوتري، تشخيص بيماري‌ها در پزشكي و ... اهميت دارد. هدف اصلي يك مسأله تشخيص ناهنجاري، تشخيص الگوها يا رفتارهاي نادر و ناخواسته در داده‌هاست كه به ‌عنوان ناهنجاري‌ يا انحراف‌ شناخته مي‌شوند. اين ناهنجاري‌ها در بسياري از موارد نشانه‌هاي مهمي از وقوع مشكلات يا حوادث ناگوار است. به‌ عنوان مثال، در حوزه مالي، تراكنش‌هاي مالي ناهنجار ممكن است نشانه تقلب يا كلاهبرداري باشد و در حوزه پزشكي، ناهنجاري‌ها ممكن است اشاره به وجود بيماري‌ نادر يا خطرناك بكند. در اين دسته از مسائل مجموعه‌اي از داده‌ها به عنوان ورودي گرفته شده و توزيع آن‌ها تخمين زده مي‌شود تا بتوانيم داده‌هايي را كه از اين توزيع توليد نشده‌اند را تميز دهيم. بنابراين تشخيص ناهنجاري معمولاً يك مسأله يادگيري بدون نظارت در نظر گرفته مي‌شود. تأثير يادگيري بازنمايي بدون نظارت در مسائل چالش برانگيز تشخيص ناهنجاري در پژوهش‌هاي انجام شده اثبات شده است. در اين پايان‌نامه يك روش يادگيري بازنمايي مبتني بر شبكه خودرمزگذار تخاصمي و وصله چند مقياسي براي استخراج ويژگي‌هاي مهم از تصاوير عادي پيشنهاد مي‌شود. آموزش تخاصمي توانايي رمزگذار را براي يادگيري ويژگي‌هاي مناسب از تصاوير عادي افزايش مي‌دهد. همچنين، با در نظر گرفتن شباهت ويژگي‌هاي نسبي بين وصله‌ها با فواصل مختلف در يك تصوير مي‌توانيم به يادگيري بازنمايي بهتري دست يابيم. علاوه بر اين، از يك روش يادگيري خودنظارتي استفاده مي‌كنيم تا مدل روابط هندسي بهتري بين وصله‌هاي مجاور بياموزد. در مرحله استنتاج، از طريق وصله‌هاي لغزشي در مقياس‌هاي مختلف در سراسر يك تصوير، مدل ويژگي‌هاي نماينده را از هر وصله استخراج مي‌كند و آن‌ها را با موارد موجود در مجموعه آموزشي تصاوير عادي براي تشخيص مناطق غيرعادي مقايسه ميكند. نتايج بدست آمده بر روي تصاوير اشعه ايكس كانتينري نشان مي‌دهد روش پيشنهادي دقت بيشتري از ساير روش‌ها در تشخيص تصاوير داراي ناهنجاري از تصاوير عادي را دارد. همچنين اين روش امكان محلي‌سازي و بخش‌بندي ناهنجاري در تصاوير را فراهم كرده است.

223676

مخابرات-سيستم

مهندسي برق و كامپيوتر

دانشگاه صنعتي اصفهان