图像中注意力引导的异常定位
计算机视觉与模式识别
2020-07-20 v4 图像与视频处理
摘要
异常定位是计算机视觉中的一个重要问题，涉及在图像中定位异常区域，应用于工业检测、监控和医学成像。该任务由于现实场景中异常的样本量小且像素覆盖少而具有挑战性。大多数先前工作需要使用异常训练图像来计算类特定阈值以定位异常。无需异常训练图像，我们提出带引导注意力的卷积对抗变分自编码器（CAVGA），其利用卷积潜变量定位异常以保留空间信息。在无监督设定下，我们提出注意力扩展损失，鼓励 CAVGA 关注图像中所有正常区域。此外，在弱监督设定下我们提出互补引导注意力损失，鼓励注意力图关注所有正常区域同时最小化图像中对应异常区域的注意力图。CAVGA 在无监督设定下以及仅在弱监督设定中使用 2% 异常图像时，优于 MVTec 异常检测（MVTAD）、改进上海科技大学校园（mSTC）和大规模基于注意力的青光眼（LAG）数据集上的最先进（SOTA）异常定位方法。CAVGA 还在 MNIST、CIFAR-10、Fashion-MNIST、MVTAD、mSTC 和 LAG 数据集上优于 SOTA 异常检测方法。
引用
@article{arxiv.1911.08616,
title = {Attention Guided Anomaly Localization in Images},
author = {Shashanka Venkataramanan and Kuan-Chuan Peng and Rajat Vikram Singh and Abhijit Mahalanobis},
journal= {arXiv preprint arXiv:1911.08616},
year = {2020}
}
备注
Accepted to ECCV 2020