一种基于原型的图像异常检测与定位神经网络
计算机视觉与模式识别
2024-05-28 v2
摘要
图像异常检测与定位不仅执行图像级异常分类，还定位像素级异常区域。近年来，因其在各领域的广泛应用而受到大量研究关注。本文提出 ProtoAD，一种基于原型的图像异常检测与定位神经网络。首先，通过在自然图像上预训练的深层网络提取正常图像的块特征。然后，通过非参数聚类学习正常块特征的原型。最后，我们通过将特征提取网络附加 特征归一化、一个 卷积层、通道最大池化和减法操作，构建图像异常定位网络(ProtoAD)。我们使用原型作为 卷积层的核；因此，我们的神经网络不需要训练阶段，并能以端到端方式执行异常检测与定位。在两个具挑战性的工业异常检测数据集 MVTec AD 和 BTAD 上的大量实验表明，ProtoAD 以更高的推理速度取得了与 SOTA 方法相竞争的性能。源代码见：https://github.com/98chao/ProtoAD。
引用
@article{arxiv.2310.02576,
title = {A Prototype-Based Neural Network for Image Anomaly Detection and Localization},
author = {Chao Huang and Zhao Kang and Hong Wu},
journal= {arXiv preprint arXiv:2310.02576},
year = {2024}
}
备注
Published in Neural Processing Letters 2024