工业过程异常检测数据集(IPAD)
计算机视觉与模式识别
2024-04-24 v1
摘要
视频异常检测(VAD)是旨在识别视频帧中异常的挑战性任务，现有大规模VAD研究主要关注道路交通和人类活动场景。在工业场景中，往往存在多种不可预测的异常，VAD方法在这些情景中发挥重要作用。然而，由于隐私和安全 concerns，缺乏专为工业生产情景设计的适用数据集和方法。为填补这一空白，我们提出了新的数据集IPAD，专为工业场景的VAD设计。本数据集中的工业过程通过现场工厂调研和与工程师讨论得出。该数据集覆盖16种不同的工业设备，包含超过6小时的合成和真实世界视频素材。此外，我们标注了工业过程的关键特征，即周期性。基于所提出的数据集，我们引入了周期记忆模块和滑动窗口检查机制，以有效地探讨基本重建模型中的周期性信息。我们的框架利用LoRA适配器探索使用在合成数据上预训练的模型在真实世界情景中的有效迁移。我们提出的数据集和方法将填补工业视频异常检测领域的空白，推动视频理解任务以及智能工厂部署的进程。
引用
@article{arxiv.2404.15033,
title = {IPAD: Industrial Process Anomaly Detection Dataset},
author = {Jinfan Liu and Yichao Yan and Junjie Li and Weiming Zhao and Pengzhi Chu and Xingdong Sheng and Yunhui Liu and Xiaokang Yang},
journal= {arXiv preprint arXiv:2404.15033},
year = {2024}
}