面向工业图像的无监督异常检测算法综述
计算机视觉与模式识别
2023-06-14 v4
摘要
随着工业4.0的发展，表面缺陷检测/异常检测成为工业领域的热门课题。提高效率和节省人力成本在实践中日益受到关注，近年来基于深度学习的算法表现优于传统视觉检测方法。然而，现有基于深度学习的算法偏向于监督学习，不仅需要大量标注数据和人工劳动，还带来低效与局限性。相比之下，近期研究表明无监督学习在解决上述视觉工业异常检测弊端方面具有巨大潜力。本综述总结了当前挑战，并对近期提出的视觉工业异常检测无监督算法进行了全面梳理，涵盖五类方法，详细描述了其创新点与框架。同时，介绍了用于工业异常检测的公开数据集。通过比较不同类别的方法，总结了异常检测算法的优缺点。基于当前研究框架，我们指出了尚待解决的核心问题并给出进一步改进方向。此外，基于最新技术趋势，我们对未来研究方向提供了见解。期望能帮助研究界与工业界建立更广阔、跨领域的视角。
引用
@article{arxiv.2204.11161,
title = {A Survey on Unsupervised Anomaly Detection Algorithms for Industrial Images},
author = {Yajie Cui and Zhaoxiang Liu and Shiguo Lian},
journal= {arXiv preprint arXiv:2204.11161},
year = {2023}
}