面向可靠图像异常定位的协同差异优化
计算机视觉与模式识别
2023-02-20 v1 人工智能
摘要
大多数无监督图像异常定位方法由于卷积神经网络的高泛化能力而存在过度泛化问题，导致预测不可靠。为缓解过度泛化，本研究提出在合成异常辅助下协同优化正常与异常特征分布，即协同差异优化（CDO）。CDO引入边界优化模块与重叠优化模块，以优化决定定位性能的两个关键因素，即正常与异常样本差异分布（DDs）之间的边界与重叠。通过CDO，可获得正常与异常DDs间的大边界与小重叠，从而提升预测可靠性。在MVTec2D与MVTec3D上的实验表明，CDO有效缓解了过度泛化，并以实时计算效率取得了优异的异常定位性能。一个真实世界的汽车塑料零件检测应用进一步展示了所提CDO的能力。代码见 https://github.com/caoyunkang/CDO。
引用
@article{arxiv.2302.08769,
title = {Collaborative Discrepancy Optimization for Reliable Image Anomaly Localization},
author = {Yunkang Cao and Xiaohao Xu and Zhaoge Liu and Weiming Shen},
journal= {arXiv preprint arXiv:2302.08769},
year = {2023}
}
备注
Accepted by IEEE Transactions on Industrial Informatics