基于块GAN判别器可视化异常特征图的单类钢材检测器
计算机视觉与模式识别
2021-07-02 v1 图像与视频处理
摘要
对于室内工厂的钢材产品生产，钢缺陷检测对质量控制十分重要。例如，钢板的表面极为精细，必须进行精确检测。然而，为维持恶劣室外环境下基础设施中涂漆钢部件的状态，腐蚀检测对预测性维护至关重要。本文提出一种通用钢材异常检测应用，由以下四个组件构成。第一，学习器，是一个单元图像分类网络，用于将原始大尺寸图像分割为256个正方形单元图像后，判断感兴趣区域或背景是否被识别。第二，提取器，是一个基于预训练钢材生成器与块生成对抗网络判别器（patch GAN）的判别器特征编码器。第三，异常检测器，是一个单类支持向量机（SVM），利用判别器特征预测异常分数。第四，指示器，是一个异常概率图，用于直观解释异常特征。此外，我们使用高速相机对13,774张单元图像的钢板缺陷，以及基于照片目视检查的19,766张单元图像的涂漆钢腐蚀进行了检测以验证方法。最后，我们使用带钢与涂漆钢检测数据集可视化了钢材的异常特征图。
引用
@article{arxiv.2107.00143,
title = {One-class Steel Detector Using Patch GAN Discriminator for Visualising Anomalous Feature Map},
author = {Takato Yasuno and Junichiro Fujii and Sakura Fukami},
journal= {arXiv preprint arXiv:2107.00143},
year = {2021}
}
备注
14 pages, 8 figures, 7 tables