SimpleNet：一种用于图像异常检测与定位的简单网络
计算机视觉与模式识别
2023-03-29 v2
摘要
我们提出了一种简单且便于应用的网络（称为 SimpleNet）用于检测与定位异常。SimpleNet 由四部分组成：(1) 生成局部特征的预训练特征提取器，(2) 将局部特征向目标域迁移的浅层特征适配器，(3) 通过对正常特征添加高斯噪声来伪造异常特征的简单异常特征生成器，(4) 区分异常特征与正常特征的二值异常判别器。推理时，异常特征生成器将被丢弃。我们的方法基于三点直觉：第一，将预训练特征转换为面向目标的特征有助于避免域偏置；第二，在特征空间中生成合成异常更为有效，因为缺陷在图像空间中可能缺乏共性；第三，简单的判别器更为高效实用。尽管简单，SimpleNet 在定量与定性上均优于以往方法。在 MVTec AD 基准上，SimpleNet 取得 99.6% 的异常检测 AUROC，相较次优模型将错误率降低 55.5%。此外，SimpleNet 快于现有方法，在 3080ti GPU 上帧率达 77 FPS。并且，SimpleNet 在单类新颖性检测任务上展现出显著的性能提升。代码：https://github.com/DonaldRR/SimpleNet。
引用
@article{arxiv.2303.15140,
title = {SimpleNet: A Simple Network for Image Anomaly Detection and Localization},
author = {Zhikang Liu and Yiming Zhou and Yuansheng Xu and Zilei Wang},
journal= {arXiv preprint arXiv:2303.15140},
year = {2023}
}
备注
Accepted to CVPR 2023