3CAD：大规模现实3C产品无监督异常检测数据集
计算机视觉与模式识别
2025-02-19 v1
摘要
工业异常检测因数据集如MVTec-AD和VisA而取得进展，但这些数据集在缺陷样本数量、缺陷类型以及现实场景可用性方面存在局限，这些限制阻碍了研究人员进一步探索更高精度的工业检测性能。为此，我们提出了一个新的大规模异常检测数据集，称为3CAD，源自真实的3C生产线。具体而言，3CAD包括八种不同的制造零件，总计27,039张高分辨率图像，标注有像素级异常。3CAD的关键特征在于其覆盖不同尺寸的异常区域、多种异常类型，以及每个异常图像可能包含多个异常区域和多种异常类型的可能性。这是一个规模最大、首个专为3C产品质量控制社区探索和发展而设计的异常检测数据集。同时，我们引入了一个简单而有效的无监督异常检测框架：粗到细检测范式配合恢复引导（CFRG）。为检测小缺陷异常，CFRG利用粗到细检测范式。具体地，我们使用异构蒸馏模型进行粗定位，然后通过分割模型进行细定位。此外，我们引入恢复特征作为引导。最后，我们在3CAD数据集上报告了CFRG框架和流行的异常检测方法的结果，表明其具有强大的竞争力，并为异常检测领域提供了一个高度具有挑战性的基准。数据和代码已公开：https://github.com/EnquanYang2022/3CAD。
引用
@article{arxiv.2502.05761,
title = {3CAD: A Large-Scale Real-World 3C Product Dataset for Unsupervised Anomaly},
author = {Enquan Yang and Peng Xing and Hanyang Sun and Wenbo Guo and Yuanwei Ma and Zechao Li and Dan Zeng},
journal= {arXiv preprint arXiv:2502.05761},
year = {2025}
}
备注
Accept by AAAI2025, github: https://github.com/EnquanYang2022/3CAD