HSS-IAD：面向工业异常检测的异构同类数据集
计算机视觉与模式识别
2025-04-18 v1
摘要
多类无监督异常检测算法（MUAD）因部署成本较低和训练效率较高而受到越来越多的关注。然而，由于当前工业异常检测（IAD）数据集的局限性，MUAD 方法在实际中的有效性受到质疑。这些数据集包含大量类别，且这些类别不太可能由同一工厂生产，无法覆盖多种结构或外观。此外， defect 的特征也不符合实际情况。因此，我们引入包含 8,580 张金属质感工业部件的异构同类工业异常检测数据集（HSS-IAD），并提供精确的异常标注。这些部件在结构和外观上都有所不同，缺陷细微且与基材相近。我们还提供前景图像，用于生成合成异常。最后，我们在本数据集上评估了流行的 IAD 方法，在多类和类别分离设置下，展示了其与实际工厂条件之间的潜在桥梁。该数据集可在 https://github.com/Qiqigeww/HSS-IAD-Dataset 查阅。
引用
@article{arxiv.2504.12689,
title = {HSS-IAD: A Heterogeneous Same-Sort Industrial Anomaly Detection Dataset},
author = {Qishan Wang and Shuyong Gao and Junjie Hu and Jiawen Yu and Xuan Tong and You Li and Wenqiang Zhang},
journal= {arXiv preprint arXiv:2504.12689},
year = {2025}
}
备注
Accepted to IEEE ICME 2025