MIAD：面向无监督异常检测的维护巡检数据集
计算机视觉与模式识别
2022-11-29 v2
摘要
视觉异常检测不仅在制造巡检中用于发现制造过程中产品的缺陷，也在维护巡检中用于保持设备处于最佳工作状态（尤其是在户外）方面发挥着关键作用。由于缺陷样本稀缺，无监督异常检测近年来备受关注。然而，现有的无监督异常检测数据集偏向于制造巡检，未考虑维护巡检——后者通常在户外非受控环境下进行，如相机视角变化、背景杂乱以及物体表面在长期工作后的老化。我们聚焦于户外维护巡检，并提供了一套全面的维护巡检异常检测（MIAD）数据集，其包含多种户外工业场景下超过 10 万张高分辨率彩色图像。该数据集由三维图形软件生成，涵盖表面异常与逻辑异常，并带有像素级精确标注真值。我们对具有代表性的无监督异常检测算法进行了广泛评估，并期望 MIAD 及相应实验结果能启发研究界在户外无监督异常检测任务上的工作。我们的新数据集可催生有价值且相关的未来工作。
引用
@article{arxiv.2211.13968,
title = {MIAD: A Maintenance Inspection Dataset for Unsupervised Anomaly Detection},
author = {Tianpeng Bao and Jiadong Chen and Wei Li and Xiang Wang and Jingjing Fei and Liwei Wu and Rui Zhao and Ye Zheng},
journal= {arXiv preprint arXiv:2211.13968},
year = {2022}
}