Patch SVDD:用于异常检测与分割的块级SVDD
计算机视觉与模式识别
2020-07-14 v2
摘要
本文中,我们解决图像异常检测与分割问题。异常检测涉及对输入图像是否包含异常作出二值判定,而异常分割旨在像素级定位异常。支持向量数据描述(SVDD)是一种用于异常检测的长期算法,我们将其深度学习变体扩展为基于块的方法,并使用自监督学习。该扩展实现了异常分割并提升了检测性能。结果,在MVTec AD数据集上以AUROC衡量的异常检测与分割性能相较先前最先进(state-of-the-art)方法分别提升9.8%与7.0%。我们的结果表明所提方法的有效性及其工业应用潜力。对所提方法的详细分析提供了关于其行为的见解,代码已在线提供。
引用
@article{arxiv.2006.16067,
title = {Patch SVDD: Patch-level SVDD for Anomaly Detection and Segmentation},
author = {Jihun Yi and Sungroh Yoon},
journal= {arXiv preprint arXiv:2006.16067},
year = {2020}
}