PKU-GoodsAD：面向无监督异常检测与分割的超市商品数据集
计算机视觉与模式识别
2024-01-15 v2
摘要
视觉异常检测在计算机视觉领域的诸多任务中至关重要且应用广泛。近期的异常检测数据集主要聚焦于工业自动检测、医学图像分析与视频监控。为拓展异常检测在无人超市与智能制造中的应用与研究，我们引入了超市商品异常检测（GoodsAD）数据集。其包含 484 种不同外观商品的 6124 张高分辨率图像，分为 6 类。每类包含变形、表面损伤、已开封等若干常见异常类型。异常同时包含纹理变化与结构变化。该数据集遵循无监督设定，仅使用正常（无缺陷）图像进行训练。所有异常均提供像素级精确真值区域。此外，我们还对当前最优的无监督异常检测方法进行了全面评估。该初步基准表明，一些在工业异常检测数据集（如 MVTec AD）上表现良好的方法，在我们的数据集上性能较差。这是一个面向真实世界应用、针对超市商品异常检测的综合多对象数据集。
引用
@article{arxiv.2307.04956,
title = {PKU-GoodsAD: A Supermarket Goods Dataset for Unsupervised Anomaly Detection and Segmentation},
author = {Jian Zhang and Runwei Ding and Miaoju Ban and Ge Yang},
journal= {arXiv preprint arXiv:2307.04956},
year = {2024}
}
备注
8 pages, 6 figures