Puzzle-AE：通过拼图求解实现图像新颖性检测
计算机视觉与模式识别
2022-02-14 v5
摘要
自编码器作为许多异常检测方法的重要组成部分，在复杂数据集的正常数据上缺乏灵活性。U-Net 已被证明对此有效，但若仅像其他基于 AE 的框架那样使用重构误差训练，会对训练数据过拟合。拼图求解作为自监督学习（SSL）方法的 pretext task，早先已证明其学习语义有意义特征的能力。我们表明，基于该任务训练 U-Net 是一种有效的补救办法，可防止过拟合并促进超越像素级特征的学习。然而，捷径解是基于 SSL 的任务（包括拼图）的一大挑战。我们提出对抗鲁棒训练作为一种有效的自动捷径消除方法。在各种玩具和真实世界数据集上，我们取得了与最先进（SOTA）异常检测方法相当或更优的结果。与许多竞争者不同，所提框架稳定、快速、数据高效，且不需要无原则的早停。
引用
@article{arxiv.2008.12959,
title = {Puzzle-AE: Novelty Detection in Images through Solving Puzzles},
author = {Mohammadreza Salehi and Ainaz Eftekhar and Niousha Sadjadi and Mohammad Hossein Rohban and Hamid R. Rabiee},
journal= {arXiv preprint arXiv:2008.12959},
year = {2022}
}
备注
The paper is under consideration at Computer Vision and Image Understanding