探索样本与掩码关系以实现鲁棒缺陷定位
计算机视觉与模式识别
2023-11-30 v5
摘要
缺陷检测旨在检测并定位偏离正常分布的区域。先前方法对正常性建模并与输入比较以识别缺陷区域，可能限制其泛化能力。本文提出一种单阶段框架，无需建模过程即可直接检测缺陷模式。该能力通过三方协同实现：生成对抗网络（GAN）、新提出的尺度模式损失，以及动态掩码循环一致辅助网络。为避免学习任何直接映射，刻意排除可指示缺陷位置的确切信息。在具有挑战性的 MVTec AD 数据集纹理类上的实验结果表明，所提方法的 F1 分数比 SOTA 方法高 2.9%，同时在泛化能力上大幅优于 SOTA 方法。
引用
@article{arxiv.2306.10720,
title = {Exploring the Relationship between Samples and Masks for Robust Defect Localization},
author = {Jiang Lin and Yaping Yan},
journal= {arXiv preprint arXiv:2306.10720},
year = {2023}
}