结合 GAN 与自编码器的高效异常检测
计算机视觉与模式识别
2020-11-30 v2 机器学习
机器学习
摘要
在这项工作中，我们提出 CBiGAN——一种用于图像异常检测的新方法，其中在 BiGAN 的编码器和解码器中均引入一致性约束作为正则化项。我们的模型展现出相当好的建模能力与重建一致性能力。我们在 MVTec AD（一个用于高分辨率图像无监督异常检测的真实世界基准）上评估所提方法，并与标准基线和最先进方法进行比较。实验表明，所提方法大幅提升了 BiGAN 公式的性能，且与昂贵的迭代式最先进方法性能相当，同时降低了计算成本。我们还观察到，我们的模型在纹理类异常检测中尤为有效，因为在该类别上它树立了新的最先进水平。我们的代码可在 https://github.com/fabiocarrara/cbigan-ad/ 获取。
引用
@article{arxiv.2011.08102,
title = {Combining GANs and AutoEncoders for Efficient Anomaly Detection},
author = {Fabio Carrara and Giuseppe Amato and Luca Brombin and Fabrizio Falchi and Claudio Gennaro},
journal= {arXiv preprint arXiv:2011.08102},
year = {2020}
}
备注
8 pages, 5 figures, 3 tables, pre-print, to be published in the proceedings of the 25th International Conference on Pattern Recognition (ICPR2020)