半正交嵌入用于高效无监督异常分割
计算机视觉与模式识别
2021-06-01 v1 人工智能
机器学习
摘要
我们展示了半正交嵌入在无监督异常分割中的高效性。近期，来自预训练 CNN 的多尺度特征被用于局部马氏距离并取得了显著性能。然而，特征维度的增大在扩展到更大 CNN 时存在问题，因为这需要多维协方差张量的批量求逆。在此，我们将一种临时方法——随机特征选择——推广为半正交嵌入以实现鲁棒近似，将多维协方差张量求逆的计算成本立方级降低。通过细致的消融研究，所提方法在 MVTec AD、KolektorSDD、KolektorSDD2 和 mSTC 数据集上以显著优势达到了新的 SOTA。理论与实证分析为我们这一直接且经济的方法提供了见解与验证。
引用
@article{arxiv.2105.14737,
title = {Semi-orthogonal Embedding for Efficient Unsupervised Anomaly Segmentation},
author = {Jin-Hwa Kim and Do-Hyeong Kim and Saehoon Yi and Taehoon Lee},
journal= {arXiv preprint arXiv:2105.14737},
year = {2021}
}