面向工业图像无监督异常定位的深度学习：综述
计算机视觉与模式识别
2022-08-09 v1
摘要
目前，在有监督学习方法的帮助下，基于深度学习的视觉检测已极为成功。然而，在真实工业场景中，缺陷样本稀缺、标注成本以及缺乏缺陷先验知识可能使基于监督的方法失效。近年来，无监督异常定位算法在工业检测任务中应用日益广泛。本文旨在通过全面综述利用深度学习的工业图像无监督异常定位近期成果，为该领域研究者提供帮助。本综述回顾了120余篇重要文献，涵盖异常定位的不同方面，主要包括所综述方法的概念、挑战、分类体系、基准数据集及量化性能比较。在回顾迄今成果的基础上，本文对若干未来研究方向给出了详细预测与分析。本综述为关注工业异常定位并希望将其应用于其他领域异常定位的研究者提供了详细技术信息。
引用
@article{arxiv.2207.10298,
title = {Deep Learning for Unsupervised Anomaly Localization in Industrial Images: A Survey},
author = {Xian Tao and Xinyi Gong and Xin Zhang and Shaohua Yan and Chandranath Adak},
journal= {arXiv preprint arXiv:2207.10298},
year = {2022}
}
备注
submit to IEEE TIM