一种用于无监督图像异常检测的多尺度反证法
计算机视觉与模式识别
2021-10-07 v1
摘要
异常可定义为任何偏离正常状态的非随机结构。文献中报告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和应用而变化。本工作中我们提出一种反证法（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。我们评估从待分析图像中通过块 PCA、Gabor 滤波器以及预训练深度神经网络（Resnet）获得的特征图所学习的滤波器。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。尽管本工作的最终目标是在汽车工业中检测皮革样本的细微缺陷，我们展示了同一算法在公开异常数据集中达到了最先进（SOTA）结果。
引用
@article{arxiv.2110.02407,
title = {A Multi-Scale A Contrario method for Unsupervised Image Anomaly Detection},
author = {Matias Tailanian and Pablo Musé and Álvaro Pardo},
journal= {arXiv preprint arXiv:2110.02407},
year = {2021}
}
备注
8 pages