图像中多元高斯异常检测的可视化
计算机视觉与模式识别
2023-12-05 v1 人工智能
摘要
本文介绍了 PaDiM（Pixel-Wise Anomaly Detection through Instance Modeling，基于实例建模的像素级异常检测）方法的一种简化变体，用于图像中的异常检测：将单一多元高斯（multivariate Gaussian, MVG）分布拟合到从主干卷积神经网络（CNN）提取的特征向量上，并使用其马氏距离作为异常分数。我们在此框架中引入一个中间步骤，对特征向量施加白化变换，从而能够生成可直观解释 MVG 所学特征的热力图。所提技术在 MVTec-AD 数据集上进行了评估，结果表明了视觉模型验证的重要性，并揭示了该框架中原本不可见的问题。本文生成的可视化结果公开于 https://doi.org/10.5281/zenodo.7937978。
引用
@article{arxiv.2307.06052,
title = {Visualization for Multivariate Gaussian Anomaly Detection in Images},
author = {Joao P C Bertoldo and David Arrustico},
journal= {arXiv preprint arXiv:2307.06052},
year = {2023}
}
备注
6 pages, 8 figures, accepted to 2023 Twelfth International Conference on Image Processing Theory, Tools and Applications (IPTA)