基于增强教师的学生-教师特征金字塔匹配无监督异常检测
计算机视觉与模式识别
2025-12-23 v1
摘要
异常检测或离群点是无监督学习中的一个具有挑战性的课题。本文提出一种基于学生-教师框架的异常检测方法，其教师网络经过增强以实现高性能指标。为此目的，我们首先在ImageNet上预训练ResNet-18网络，然后在MVTec-AD数据集上微调。在图像级和像素级实验结果表明，该方法优于先前方法。我们的模型——增强教师用于学生-教师特征金字塔(ET-STPM)，在图像级实现0.971的平均准确率，在像素级实现0.977的平均准确率。
引用
@article{arxiv.2512.18219,
title = {Unsupervised Anomaly Detection with an Enhanced Teacher for Student-Teacher Feature Pyramid Matching},
author = {Mohammad Zolfaghari and Hedieh Sajedi},
journal= {arXiv preprint arXiv:2512.18219},
year = {2025}
}