用于基于图像缺陷检测的全卷积跨尺度流
计算机视觉与模式识别
2021-10-07 v1
摘要
在工业制造过程中，错误常在不确定的时间以未知的形式出现。我们解决了无需任何缺陷部件图像样本即可实现自动缺陷检测的问题。近期工作对无缺陷图像数据的分布进行建模，要么使用强统计先验，要么使用过度简化的数据表示。相比之下，我们的方法处理细粒度表示，结合全局与局部图像上下文，同时灵活估计密度。为此，我们提出一种新颖的全卷积跨尺度归一化流（CS-Flow），其联合处理多个不同尺度的特征图。使用归一化流为输入样本赋予有意义的似然值，可在图像级别实现高效缺陷检测。此外，由于保留了空间排布，归一化流的潜空间具有可解释性，从而能够定位图像中的缺陷区域。我们的工作在基准数据集 Magnetic Tile Defects 和 MVTec AD 上树立了图像级缺陷检测的新最先进水平，在 15 个类别中的 4 个上达到了 100% 的 AUROC。
引用
@article{arxiv.2110.02855,
title = {Fully Convolutional Cross-Scale-Flows for Image-based Defect Detection},
author = {Marco Rudolph and Tom Wehrbein and Bodo Rosenhahn and Bastian Wandt},
journal= {arXiv preprint arXiv:2110.02855},
year = {2021}
}