CSAD：用于逻辑异常检测的无监督组件分割
计算机视觉与模式识别
2024-09-04 v2
摘要
为提高逻辑异常检测性能，一些先前工作将分割技术与常规异常检测方法集成。虽然这些方法有效，但经常导致分割结果不令人满意且需要手动标注。为克服这些缺点，我们开发了一种无监督组件分割技术，利用基础模型自主生成用于轻量级分割网络的训练标签，无需人工标注。将这种新的分割技术集成到我们提出的 Patch Histogram 模块和 Local-Global Student-Teacher（LGST）模块中，我们在 MVTec LOCO AD 数据集上实现了 95.3% 的检测 AUROC，超越了以前的 SOTA 方法。此外，我们提出的方法比大多数现有方法具有更低的延迟和更高的吞吐量。
引用
@article{arxiv.2408.15628,
title = {CSAD: Unsupervised Component Segmentation for Logical Anomaly Detection},
author = {Yu-Hsuan Hsieh and Shang-Hong Lai},
journal= {arXiv preprint arXiv:2408.15628},
year = {2024}
}