F2PAD：面向特征级到像素级异常检测的通用优化框架
图像与视频处理
2024-11-22 v2
摘要
图像基准检查系统已在制造生产线中广泛部署。由于次品样本稀缺，仅利用正常样本进行训练以检测各种缺陷的无监督异常检测方法日益流行。现有的基于特征的方法利用预训练神经网络的深度特征，在异常局部分辨和训练样本数量需求较低方面表现突出。然而，这些方法检测到的异常区域始终表现为不准确的边界，阻碍了下游任务。这种不足是由以下原因导致的：（i）高级特征的分辨率下降于原始图像相比；（ii）特征提取过程中正常像素与异常像素的混合。为解决这些问题，我们提出一种新型统一优化框架（F2PAD），在推理阶段利用特征级信息引导像素级异常检测的优化过程。该框架通用且即插即用，可在有限假设下提升各种基于特征的方法。提供案例研究以演示该策略的有效性，特别是在应用三种流行的主干方法：PaDiM、CFLOW-AD和PatchCore时。
引用
@article{arxiv.2407.06519,
title = {F2PAD: A General Optimization Framework for Feature-Level to Pixel-Level Anomaly Detection},
author = {Chengyu Tao and Hao Xu and Juan Du},
journal= {arXiv preprint arXiv:2407.06519},
year = {2024}
}