基于回归模型的空间加权异常检测

视觉异常检测在医学筛查和生产质量检查等多个应用中很常见。尽管异常的定义是数据中的未知趋势，但在许多情况下，可以预先提供异常类的一些提示或样本。传统方法无法利用可用的异常数据，并且也不具备抗噪性。在本文中，我们提出了一种新的基于空间加权重建损失的异常检测方法，并利用由所有已知数据训练的回归模型生成的似然值。空间权重是通过利用回归模型的可视化生成的感兴趣区域来计算的。我们介绍了一些与各种策略相结合的方法，以提出一种 state-of-the-art 方法。在三个不同数据集上与其他方法进行比较，我们实证验证了所提出的方法优于其他方法。