用于工业质量检测的 a contrario 多尺度异常检测方法
计算机视觉与模式识别
2022-05-25 v1
摘要
异常可定义为任何偏离正常性的非随机结构。文献中报道的异常检测方法繁多且多样，因为被视为异常的内容通常随特定场景与应用而变化。在这项工作中，我们提出一种 a contrario 框架，通过对卷积获得的特征图进行统计分析来检测图像中的异常。我们评估从被分析图像中通过块 PCA、Gabor 滤波器以及预训练深度神经网络（Resnet）获得的特征图学习的滤波器。所提方法为多尺度且完全无监督，能够在多种场景中检测异常。虽然本工作的最终目标是在汽车工业皮革样本中检测细微缺陷，我们表明同一算法在公开异常数据集中取得了最先进（SOTA）结果。
引用
@article{arxiv.2205.11611,
title = {A Contrario multi-scale anomaly detection method for industrial quality inspection},
author = {Matías Tailanian and Pablo Musé and Álvaro Pardo},
journal= {arXiv preprint arXiv:2205.11611},
year = {2022}
}
备注
12 pages, 8 figures, 4 tables. arXiv admin note: substantial text overlap with arXiv:2110.02407