一种用于无监督表面检测的一次性纹理感知生成对抗网络
计算机视觉与模式识别
2021-06-15 v1
摘要
视觉表面检测是一项具有挑战性的任务，因为目标表面和缺陷区域的外观高度多样。以往的尝试严重依赖大量带人工标注的训练样本。然而，在一些实际情况下，难以获得大量用于检测的样本。为此，我们提出了一种分层纹理感知生成对抗网络(HTP-GAN)，该网络以无监督方式从单张正常图像中学习。具体而言，HTP-GAN 包含一组金字塔形式的卷积 GAN，可同时捕获图像的全局结构和细粒度表示。这一创新有助于区分缺陷表面区域与正常区域。此外，在判别器中设计了一个纹理感知模块，通过方向卷积捕获正常图像的空间不变表示，使其对缺陷区域更敏感。在多种数据集上的实验一致证明了我们方法的有效性。
引用
@article{arxiv.2106.06792,
title = {A One-Shot Texture-Perceiving Generative Adversarial Network for Unsupervised Surface Inspection},
author = {Lingyun Gu and Lin Zhang and Zhaokui Wang},
journal= {arXiv preprint arXiv:2106.06792},
year = {2021}
}
备注
Accepted by ICIP 2021