基于多分辨率特征引导 Transformer 的异常检测
计算机视觉与模式识别
2023-05-25 v1
摘要
异常检测被表示为一种从无偏离常图像中识别异常图像的无监督学习。一般而言，异常检测任务面临两大挑战，即类别不平衡与异常的不确定性。本文提出一种基于 Transformer 的多分辨率特征引导方法 GTrans，用于无监督异常检测与定位。在 GTrans 中，一个在 ImageNet 上预训练的异常引导网络（AGN）被用于为特征和 token 提供代理标签。在 AGN 的隐式知识引导下，名为 Trans 的异常检测网络利用 Transformer 有效建立多分辨率特征间的关系，增强 Trans 对正常数据流形的拟合能力。得益于 AGN 的强泛化能力，GTrans 通过比较 AGN 与 Trans 提取的多尺度特征在空间距离与方向上的差异来定位异常。我们的实验表明，所提出的 GTrans 在 MVTec AD 数据集上的检测与定位均达到最先进性能。GTrans 在 MVTec AD 数据集上分别取得图像级与像素级异常检测 AUROC 分数 99.0% 与 97.9%。
引用
@article{arxiv.2305.14880,
title = {Multiresolution Feature Guidance Based Transformer for Anomaly Detection},
author = {Shuting Yan and Pingping Chen and Honghui Chen and Huan Mao and Feng Chen and Zhijian Lin},
journal= {arXiv preprint arXiv:2305.14880},
year = {2023}
}