用于工业异常检测与定位的噪声到正态重建
计算机视觉与模式识别
2023-07-07 v1 图像与视频处理
摘要
异常检测应用广泛，尤其在工业质检中十分重要。当前许多性能顶尖的异常检测模型依赖特征嵌入方法。然而，这些方法在物体位置差异较大的数据集上表现不佳。基于重建的方法利用重建误差检测异常，而不考虑样本间的位置差异。本研究提出一种采用噪声到正态（noise-to-norm）范式的基于重建的方法，其避免了异常区域的不变重建。我们的重建网络基于 M-net，并融合多尺度融合与残差注意力模块，以实现端到端异常检测与定位。实验表明，该方法能有效地将异常区域重建为正常模式，并实现准确的异常检测与定位。在 MPDD 和 VisA 数据集上，我们所提方法取得了比最新方法更具竞争力的结果，并在 MPDD 数据集上确立了新的 SOTA 标准。
引用
@article{arxiv.2307.02836,
title = {Noise-to-Norm Reconstruction for Industrial Anomaly Detection and Localization},
author = {Shiqi Deng and Zhiyu Sun and Ruiyan Zhuang and Jun Gong},
journal= {arXiv preprint arXiv:2307.02836},
year = {2023}
}