置信感知与自监督的图像异常定位
计算机视觉与模式识别
2023-10-03 v2 图像与视频处理
摘要
通用异常检测在机器学习和医学图像分析中仍是一个具有挑战性的问题。可以从单一类别的正常样本中学习期望分布，例如通过认知不确定性估计、自编码模型，或以自监督方式从合成异常中学习。自监督异常检测方法的性能仍劣于那些使用已知未知类样本来塑造决策边界的方法。然而，离群值暴露方法通常无法识别未知未知类。本文讨论了一种改进的自监督单类训练策略，其支持以宽松的特征局部性约束来近似概率推断。我们展示了利用直方图均衡化图像对梯度进行上缩放对近期提出的自监督任务是有益的。我们的方法被集成到多个分布外（OOD）检测模型中，并且我们提供的证据表明，我们的方法在各种基准数据集上优于最先进水平。
引用
@article{arxiv.2303.13227,
title = {Confidence-Aware and Self-Supervised Image Anomaly Localisation},
author = {Johanna P. Müller and Matthew Baugh and Jeremy Tan and Mischa Dombrowski and Bernhard Kainz},
journal= {arXiv preprint arXiv:2303.13227},
year = {2023}
}
备注
Accepted for MICCAI UNSURE Workshop 2023 (Spotlight)