新颖值检测是指对与数据集中的目标类别有明显差别的观测值的识别。目的是为了识别出检测过程中没有在训练过程中出现的,或者与训练数据某些方面存在明显差距的数据。作为一个具有广泛应用价值的研究领域,图像新颖性（异常）检测的效果随着近年来深度学习的火热发展得到了很大的提升。检测和识别图像或视频中的异常是一种极具挑战性和有意义的工作。该任务是具有挑战性的,因为通常情况下,在一些实际场景中难以完全获取关于图像异常的先验知识,同时却要求所构建的新颖性检测模型能够在无监督的条件下学习区别不同图像中的差异。在现实中应用场景也非常多,比如在现代化智能制造工厂中,可用于检测产品的瑕疵和缺陷;在生物医学领域,可用于发现医疗影像中可能存在的病变;在交通安检领域,可用于发现包裹中的违禁品;在智能安防领域,可用于检测出视频中发生的不正常事件等。受生成对抗网络（GAN）的启发,因其独特的生成器-判别器结构,为基于深度学习的新颖性检测算法提供了新思路:训练中GAN只需要学习正常样本的数据分布。测试时,根据重构图像与原始图像间的差距来判断输入是否为异常样本。而Vision Transformer（ViT）,是Transformer在计算机视觉领域的一个应用,有效克服了卷积归纳偏差所带来的局限性问题,更加有利于在一定规模数据上学习知识。基于上述思想,本文提出了一种对抗性训练方法来检测端到端可训练深度模型中的分布外样本。为此,本文联合训练两个深度网络R和D。后者充当着检测器的作用,而前者在训练过程中,通过创建对抗性例子来学习目标类的数据分布,并在测试过程中,协助后者更高效地检测新颖性类。本文基于上述该思想,进行如下新颖性检测的研究:（1）提出的基于对抗-Transformer的新颖性检测模型;（2）对原始数据进行数据增强,在不大幅度实质性地对样本数据数量进行增加情况下,让有限的数据产生相当于更多数据的价值,实现数据的最大价值化,以提高模型的性能。为了验证上述模型的性能,本文使用公开数据集MNIST和Caltech-256进行图像的新颖性检测,而后,在UMN和UCSD数据集上进行了视频帧新颖性检测的实验。实验表明了本文提出的模型在这些数据集上达到了较高的水平。