结合颜色与梯度差异的边缘图像重建用于工业表面异常检测
计算机视觉与模式识别
2025-03-17 v1
摘要
基于重建的方法在工业视觉异常检测中被广泛探索。此类方法通常要求模型能够很好地重建正常模式而在异常处失败，从而可以通过评估重建误差来检测异常。然而，在实践中，通常难以控制模型的泛化边界。泛化能力过强的模型甚至能很好地重建异常区域，使其难以区分；而泛化能力差的模型则无法重建正常区域中那些可变的高频分量，最终导致假阳性。为了解决上述问题，我们提出了一种新的重建网络，从原始 RGB 图像的灰度值边缘（EdgRec）重建原始图像。具体而言，这是通过一个带有跳跃连接的 UNet 型去噪自编码器实现的。输入边缘和跳跃连接能够很好地保留原始图像中的高频信息。同时，所提出的恢复任务可以迫使网络记忆正常的低频和颜色信息。此外，去噪设计可以防止模型直接复制原始的高频分量。为了评估异常，我们进一步提出了一种新的可解释的人工设计评估函数，该函数同时考虑了颜色和梯度差异。我们的方法在具有挑战性的 MVTec AD 基准上取得了具有竞争力的结果（检测 97.8%，定位 97.7%，AUROC）。此外，我们在 MVTec 3D-AD 数据集上进行了实验，并仅使用 RGB 图像展示了令人信服的结果。我们的代码将在 https://github.com/liutongkun/EdgRec 提供。
引用
@article{arxiv.2210.14485,
title = {Reconstruction from edge image combined with color and gradient difference for industrial surface anomaly detection},
author = {Tongkun Liu and Bing Li and Zhuo Zhao and Xiao Du and Bingke Jiang and Leqi Geng},
journal= {arXiv preprint arXiv:2210.14485},
year = {2025}
}
备注
11 pages, 8 figures