CRD：用于实际异常检测的协同表示距离

视觉缺陷检测在智能工业中发挥着重要作用。基于块的方法根据位置将视觉图像视为图像块的集合，对产品中的小缺陷（例如药片上的划痕）具有更强的判别能力。然而，查询图像与存储块之间的最近邻搜索在时间和空间需求上将占用 $O(n)$ 复杂度，对在边缘环境中的部署构成了严峻挑战。在本文中，我们提出了一种通过协同表示模型计算图像块距离的替代方法。从具有 $L_0$ 约束的最近邻距离出发，我们将约束松弛为 $L_2$ 约束，并在无需实际访问原始存储图像块集合的情况下，以闭式形式快速求解距离。此外，我们指出这种闭式解的主要计算负担可以在部署前由高性能服务器预先计算。因此，边缘设备上的距离计算仅需简单的矩阵乘法，极其轻量且对 GPU 友好。在真实工业场景中的性能表明，与现有的最先进方法相比，该距离在计算效率上提高了数百倍，同时性能略有下降，并大幅降低了内存开销。