高效准确的增量维度缩减用于视觉异常检测
计算机视觉与模式识别
2026-03-02 v1
摘要
虽然当代视觉异常检测算法使用深度神经网络从图像中提取显著特征，但提取特征的高维度使得将这些算法应用于包含上千张图像的大数据集困难。为此，我们提出了一种增量维度缩减算法来减少提取的特征。虽然我们的算法本质上计算这些特征的截断奇异值分解（SVD），但与处理所有向量的方式不同，我们将向量分为多个小批次。对于每个小批，我们的算法更新代表所有已访问向量的截断奇异值和向量，并通过其自身的奇异值和向量来降低该小批，以便以低开销存储。处理完所有小批后，我们将这些批次式奇异向量重新变换到由所有特征奇异向量张成的空间中。我们表明，该算法可在接近准确度的前提下加快最先进的异常检测算法的训练速度。
引用
@article{arxiv.2602.23595,
title = {Incremental dimension reduction for efficient and accurate visual anomaly detection},
author = {Teng-Yok Lee},
journal= {arXiv preprint arXiv:2602.23595},
year = {2026}
}