基于能量的异常检测与定位
机器学习
2021-05-10 v1 计算机视觉与模式识别
摘要
本文简述了面向半监督视觉异常检测与定位问题的统一基于能量（energy-based）解决方案的初步进展。在此设定下，我们仅能获取无异常的训练数据，并希望在测试数据上检测与识别任意性质的异常。我们采用基于能量模型（EBM）的密度估计作为正常度分数，用以区分正常图像与异常图像。进一步，我们对能量分数关于图像反向传播梯度，以生成梯度图，提供图像中异常的像素级空间定位。除空间定位外，我们展示对梯度图的简单处理也可提供替代的正常度分数，其检测性能与能量值所得相当或更优。为定量验证所提方法性能，我们在 MVTec 工业数据集上开展实验。尽管仍属初步，我们的结果十分 promising，并揭示了 EBM 在图像中同时检测与定位未知异常的潜力。
引用
@article{arxiv.2105.03270,
title = {Energy-Based Anomaly Detection and Localization},
author = {Ergin Utku Genc and Nilesh Ahuja and Ibrahima J Ndiour and Omesh Tickoo},
journal= {arXiv preprint arXiv:2105.03270},
year = {2021}
}
备注
9 pages, 3 figures, as submitted to EBM ICLR 2021 workshop