基于 CW-SSIM 的深度自编码器在纹理图像异常检测中的应用
计算机视觉与模式识别
2022-08-31 v1 机器学习
摘要
检测图像中的异常区域是工业监测中经常遇到的问题。一个相关例子是对织物及其他正常条件下符合特定纹理、而缺陷会改变正常图案的产品进行分析。我们通过训练深度自编码器来解决异常检测问题，并表明采用基于复小波结构相似性（CW-SSIM）的损失函数，相较于传统自编码器损失函数，在此类图像上可获得更优的检测性能。我们在知名异常检测基准上的实验表明，用该损失函数训练的简易模型，可达到与利用更深、更大且计算需求更高的神经网络的最先进方法相当或更优的性能。
引用
@article{arxiv.2208.14045,
title = {Deep Autoencoders for Anomaly Detection in Textured Images using CW-SSIM},
author = {Andrea Bionda and Luca Frittoli and Giacomo Boracchi},
journal= {arXiv preprint arXiv:2208.14045},
year = {2022}
}
备注
International Conference on Image Analysis and Processing (ICIAP 2021). NVIDIA Prize winner