AnoDFDNet：一种用于异常检测的深度特征差异网络
计算机视觉与模式识别
2022-03-30 v1
摘要
本文提出了一种基于卷积神经网络与Vision Transformer的高铁图像异常检测（AD）新方法。与以往利用分类、分割或目标检测方法对单张图像识别异常的AD工作不同，所提方法检测同一区域不同时间拍摄的两张图像间的异常差异。换言之，我们将单图像异常检测问题转化为双图像差异检测问题。该方法的核心思想是，“异常”通常代表一种异常状态而非特定物体，且该状态应由图像对来识别。此外，我们引入了深度特征差异异常检测网络（AnoDFDNet），充分挖掘了Vision Transformer与卷积神经网络的潜力。为验证所提AnoDFDNet的有效性，我们收集了三个数据集：差异数据集（Diff Dataset）、异物数据集（FB Dataset）与漏油数据集（OL Dataset）。在上述数据集上的实验结果证明了所提方法的优越性。源代码见 https://github.com/wangle53/AnoDFDNet。
引用
@article{arxiv.2203.15195,
title = {AnoDFDNet: A Deep Feature Difference Network for Anomaly Detection},
author = {Zhixue Wang and Yu Zhang and Lin Luo and Nan Wang},
journal= {arXiv preprint arXiv:2203.15195},
year = {2022}
}
备注
14pages, 8figures