通过为多尺度记忆应用于自编码器以改进无监督异常定位
计算机视觉与模式识别
2020-12-22 v1
摘要
自编码器及其变体已广泛应用于异常检测。先前工作记忆增强深度自编码器提出记忆正常性以检测异常，但其忽略了不同分辨率尺度间的特征差异，因此我们引入多尺度记忆来记录尺度特定特征，以及自编码器编码与解码模块间的多尺度注意力融合器用于异常检测，即 MMAE。MMAE 在无监督学习期间将对应分辨率尺度的槽更新为原型特征。对于异常检测，我们通过将各尺度原始编码图像特征替换为最相关原型特征来实现异常去除，并在输入解码模块前融合这些特征以重建图像。在各数据集上的实验结果证明，我们的 MMAE 成功去除了不同尺度的异常，且与类似基于重建的方法相比在多个数据集上表现优良。
引用
@article{arxiv.2012.11113,
title = {Improving unsupervised anomaly localization by applying multi-scale memories to autoencoders},
author = {Yifei Yang and Shibing Xiang and Ruixiang Zhang},
journal= {arXiv preprint arXiv:2012.11113},
year = {2020}
}