用生成对抗网络和光谱图实现无监督异常检测，准确率超97%。

Unsupervised Anomaly Detection and Localization with Generative Adversarial Networks

• 基于GAN与SOP光谱图构建无监督检测框架。
• 在海底与陆地光纤数据上准确率超97%。
• 无需标签数据，适合缺乏标注的工业场景。

我们提出一种新型无监督异常检测方法，结合生成对抗网络与基于SOP的光谱图。该方法在来自海底与陆地光纤链路的SOP数据集上表现出色，无需任何标签数据即可达到超过97%的准确率，验证了其在真实复杂环境中的有效性。

原文摘要 · Abstract (English)

We propose a novel unsupervised anomaly detection approach using generative adversarial networks and SOP-derived spectrograms. Demonstrating remarkable efficacy, our method achieves over 97% accuracy on SOP datasets from both submarine and terrestrial fiber links, all achieved without the need for labelled data.

Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。